Embed Size (px)
Citation preview
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN
Criminalidad y sus determinantes socioeconómicos
en la Zona Metropolitana del Valle de México
T E S I S
QUE PARA OBTENER EL TÍTULO DE:
LICENCIADO EN ECONOMÍA
P R E S E N T A
CORZO TELLEZ JAVIER ALEJANDRO
ASESOR: HUITRON MENDOZA JOSÉ ANTONIO
Mayo 2016
Índice
Introducción ..................................................................................................................................... 1
Capítulo 1. Enfoques económicos del crimen .......................................................................... 5
1.1 Crimen y economía .......................................................................................................... 6
1.2 Enfoque convencional ................................................................................................... 9
1.2.1 Teoría de la disuasión ............................................................................................ 9
1.2.2 Teoría de la elección racional ............................................................................ 12
1.3 Enfoque estructuralista .............................................................................................. 16
1.3.1 Criminología marxista .......................................................................................... 16
1.3.2 Teoría de la anomia social .................................................................................. 21
1.4 Enfoque espacial ........................................................................................................... 25
1.4.1 Teoría de la desorganización social ............................................................... 26
1.4.2 Teoría de las actividades rutinarias................................................................ 29
1.4.3 Teoría de los patrones criminales ................................................................... 32
1.5 Posicionamiento teórico ............................................................................................. 35
Capítulo 2. Análisis Exploratorio de la criminalidad y sus determinantes en la Zona
Metropolitana del Valle de México ......................................................................................... 37
2.1 El crimen en México ....................................................................................................... 38
2.2 El crimen en la Zona Metropolitana del Valle de México ............................... 40
2.2.1 Estructura del crimen en la ZMVM ................................................................... 43
2.2.2 Evolución temporal del crimen en la ZMVM ................................................ 44
2.2.3 Pertinencia del análisis exploratorio del crimen ....................................... 45
2.3 Análisis exploratorio del crimen .............................................................................. 46
2.3.1 Datos y metodología ............................................................................................. 47
2.3.2 Variables dependientes ........................................................................................ 49
2.3.3 Variables independientes .................................................................................... 52
2.3.4 Análisis LISA ............................................................................................................. 54
2.3.5 Modelo ......................................................................................................................... 62
2.4 Síntesis ............................................................................................................................... 65
Capítulo 3. Modelo de contagio criminal en la Zona Metropolitana del Valle de
México.............................................................................................................................................. 69
3.1 Modelos basados en agentes .................................................................................... 70
3.2 La criminalidad como fenómeno emergente ....................................................... 73
3.3 Modelo Basado en Agentes para el análisis del contagio criminal ........... 76
3.3.1 Mundo .......................................................................................................................... 77
3.3.2 Agentes ....................................................................................................................... 81
3.3.3 Tiempo ........................................................................................................................ 84
3.3.4 Inicialización del modelo ..................................................................................... 85
3.3.5 Reglas de transición .............................................................................................. 86
3.4 Experimentos ................................................................................................................... 89
3.4.1 Resultados ................................................................................................................. 90
3.5 Análisis ............................................................................................................................... 96
Conclusiones ................................................................................................................................... 98
Fuentes de consulta ................................................................................................................... 104
Anexos ........................................................................................................................................... 111
Índice de Cuadros
Cuadro 1.1 Clasificación de teorías según distintos parámetros……………………8
Cuadro 2.2 Conductas delictivas o antisociales más frecuentes en la Zona
Metropolitana del Valle de México en 2014……………………………………………..42
Cuadro 2.3 Actividades cotidianas que se han dejado de realizar por temor a ser
víctima de algún delito en la ZMVM en 2014.42……………………………………….42
Cuadro 2.4 Porcentaje de personas que tiene poca o nada confianza en las
autoridades de seguridad pública en la ZMVM en 2014………………………….….43
Cuadro 2.5 Índices de Moran Globales Univariados………………………………….56
Cuadro 2.6 Índices de Moran Locales Bivariados……………………………………..57
Cuadro 2.7 Modelos MCO…………………………………………………………………..63
Cuadro 2.8 Modelos de Error Espacia…………………………………………………...64
Cuadro 3.1 Propiedades de los patches………………………………………………….79
Cuadro 3.2 Propiedades de “Personas con medios” y “Personas sin medios”…..81
Cuadro 3.3 Construcción de variable “Éxito Económico”……………………………83
Cuadro 3.4 Construcción de variable “Probabilidad de Criminalizarse”…………83
Cuadro 3.5 Variaciones de variables en los experimentos………………………….89
Cuadro 3.6 Estadística del Experimento 1……………………………………………..90
Cuadro 3.7 Estadística del Experimento 2……………………………………………..93
Cuadro 3.8 Estadística del Experimento 3……………………………………………..94
Índice de Figuras
Figura 2.1 Estructura del Delito en la ZMVM en 2011……………………………….43
Figura 2.2 Evolución Temporal del Delito en la ZMVM 2011-2015………………..45
Figura 2.3 Teoría de la Desorganización Social…………………………………………46
Figura 2.4 Hotspots de Delitos Pecuniarios 2011 en la ZMVM……………………..50
Figura 2.5 Hotspots de Delitos Violentos 2011 en la ZMVM………………………...51
Figura 2.6 Condiciones Socioeconómicas, Urbanas y Poblacionales……………...53
Figura 2.7 Clústers significativos de delitos pecuniarios………………………….…58
Figura 2.8 Análisis de Clústers: Delitos Pecuniarios con Variables
Independientes……………………………………………………………………………….…60
Figura 3.1 Teoría de la Anomia Social……………………………………………………74
Figura 3.2 Crimen como fenómeno emergente………………………………………….75
Figura 3.3 Factores que inciden en el crimen…………………………………………..77
Figura 3.4 Mundo en el modelo…………………………………………………………....78
Figura 3.5 Intercambio de Información en el Modelo…………………………………80
Figura 3.6 Modelo inicializado……………………………………………………………...85
Figura 3.7 Hotspots del Experimento 1 y Hotspots de Delitos
Pecuniarios 2011……………………………………………………………………………….92
Introducción
2
En la última década la inseguridad ha azotado a México, el narcotráfico, las
desapariciones forzadas, el secuestro, la extorsión, los feminicidios y el crimen en
general han dado la sensación de un Estado de derecho erosionado, incluso se ha
llegado a hablar de un “Estado fallido”1.
Por otro lado, las cifras de desempleo, pobreza y distribución del ingreso no son
alentadoras: en el primer trimestre de 2016 INEGI reportó que la tasa de
desocupación nacional fue de 4.0%2, sin embargo, de la población ocupada el
57.4% pertenece al sector informal, además, el 63.32% de los ocupados recibe tres
o menos salarios mínimos. Los datos de Coneval para 2012 indicaron que el 52%
de la población nacional se encuentra en situación de pobreza, el 74% de la
población tiene al menos una carencia social y el 51% de mexicanos tienen un
ingreso inferior al de la línea de bienestar. Por su parte, el Banco Mundial en 2012
indicó que el coeficiente Gini para México era de 48.13, dato que sugiere problemas
distributivos en el México.
A su vez, la percepción de la violencia afecta, en mayor o menor medida,
variables económicas fundamentales como la inversión, el empleo y el crecimiento
económico4, hecho que cierra un círculo vicioso que relaciona la situación
económica del país, la inseguridad y la influencia del crimen en variables
económicas, y en donde la inoperancia por parte del Estado queda implícita.
El “análisis global” del Secretariado Ejecutivo del Sistema Nacional de Seguridad
Pública (SESNSP, 2015) indica que en el periodo de 1997 a 2014, la entidad en la
que se han cometido más delitos del fuero común es el Estado de México, seguido
por el Distrito Federal, mientras que el primer lugar en cuanto a delitos del fuero
federal lo detenta el Distrito Federal, seguido por el Estado de México. Estas cifras
posicionan a la Zona Metropolitana del Valle de México (comprendida por el Distrito
1 Se denomina así a los Estados donde el gobierno central tiene poco control económico, político, social y/o
legislativo sobre su territorio. 2 Esta cifra debe de ser matizada mediante el conocimiento de la metodología empleada para medir el empleo
y el análisis de las preguntas de la Encuesta Nacional de Ocupación y Empleo (ENOE). 3 Donde 100 indica una inequidad perfecta y cero una equidad perfecta. 4 Según 500 directivos empresariales entrevistados por Banxico, el principal riesgo para la actividad económica
es la inseguridad (El Universal, 2015, 14 de marzo).
3
Federal, parte del Estado de México y un municipio de Hidalgo) como una región
relevante para el estudio del comportamiento criminal.
Sin embargo, algo que caracteriza a las entidades que constituyen la Zona
Metropolitana del Valle de México es la heterogeneidad en cuanto a su estructura
socioeconómica, es decir, la diferencia que, de un municipio/delegación a otro,
presentan los índices de distribución del ingreso, educación, salud, salario, empleo,
urbanización, desigualdad, pobreza, vivienda, etcétera.5 Asimismo, los índices de
criminalidad no escapan de esta lógica, razón por la cual, se puede plantear la
posibilidad de que la estructura socioeconómica de las demarcaciones de la Zona
Metropolitana del Valle de México determine sus tasas de criminalidad.
Ante esto, la presente investigación tiene el objetivo de determinar la relación que
variables socioeconómicas y urbanas tienen con el crimen. Con el fin de responder
el cuestionamiento sobre cuáles son los determinantes socioeconómicos del crimen
en la ZMVM.
Para la resolución de tal interrogante, se partirá de la hipótesis de que el
desempleo, los bajos ingresos, la desigualdad económica, la disfunción familiar, la
congestión urbana y la marginación, hacen que la propensión de los individuos de
delinquir aumente y, por lo tanto, el número de crímenes en la ZMVM.
Cabe aclarar que si bien la delimitación espacial de la investigación son las 76
demarcaciones de la Zona Metropolitana del Valle de México, dada la disponibilidad
de los datos, la delimitación temporal sólo comprende el periodo de 2010 a 2011,
puesto que los datos socioeconómicos y urbanos fueron recuperados del censo
económico nacional, más reciente (2010), mientras que los datos de denuncias de
delitos a nivel municipal, sólo están disponibles a partir del año 2011 en adelante.
Asimismo, ante la ausencia de una teoría criminológica consolidada que fuera
capaz de explicar por si sola el fenómeno del crimen en el área de estudio, se optó
por utilizar tres teorías de forma simultánea, con la finalidad que se complementaran
5 Como ya se ha mencionado, estas variables socioeconómicas dan cuenta de las condiciones de vida a las que se enfrentan los habitantes de estas localidades.
4
y lograran proporcionar un mayor entendimiento del tema. Las teorías seleccionas
pertenecen fueron clasificadas en la investigación como de corte estructuralista y
de corte espacial. Del primer grupo se retomó la teoría de la anomia social, la cual
fue enunciada por el sociólogo Robert Merton (1938) y destaca del resto por
considerar el impacto de factores como la desigualdad económica en el crimen.
Pertenecientes al segundo grupo se encuentran la teoría de la desorganización
social (Shaw y Mckay, 1942), y la teoría de las actividades rutinarias (Cohen y
Felson. 1979), de las que se retoma la idea de que factores como el tiempo y el
entorno urbano influyen en el fenómeno.
Esta tesis se encuentra dividida en tres capítulos, en el primero de estos, se
realizó un “estado del arte” sobre las teorías que relacionan el crimen y la economía,
a lo largo de ese segmento se exponen los defectos y virtudes de siete teorías
criminológicas. El segundo capítulo contiene los hechos estilizados del crimen y de
las variables socioeconómicas y urbanas, aquí se pueden encontrar diversos tipos
de mapas que fueron empleados para corroborar la relación entre las variables
seleccionadas y el crimen, este apartado concluye con un modelo econométrico que
confirma la relación entre las variables (bajo determinados casos).
Complementariamente, en el capítulo tres, se elaboró un Modelo Basado en
Agentes (ABM, por sus siglas en ingles) para conocer la dinámica del contagio de
la criminalidad en la ZMVM y poder simular el comportamiento de la cifras de delitos
ante escenarios de mejora y empeoramiento de condiciones socioeconómicas y
urbanas en la zona. Finalmente, se encuentran las conclusiones de la investigación,
las fuentes de consulta y la sección de anexos.
5
Capítulo 1. Enfoques económicos del crimen
6
1.1 Crimen y economía
En este capítulo se encontrará una selección de teorías que se han elegido de entre
la gama que existe para el estudio del crimen, utilizando como criterio de selección
su relación con la economía. Como resultado, a continuación se presentarán una
serie de teorías que han sido agrupadas en tres enfoques: el enfoque convencional,
que incluye a la teoría clásica de la criminología (teoría de la disuasión) y lo que por
sus supuestos se podría llamar la teoría neoclásica de la criminología (teoría de la
elección racional); el enfoque estructuralista, dentro del que están la teoría marxista
y la teoría de la anomia social; y el enfoque espacial, en el cual, como su nombre lo
indica, se encuentran las teorías que consideran al espacio como un factor
determinante del crimen, aquí se hallan la teoría de la desorganización social, la
teoría de las actividades rutinarias y la teoría de los patrones criminales.
Sin embargo, antes de revisar el “estado del arte” de las teorías criminológicas
que se relacionan con la economía, es importante definir el concepto de crimen.
Para Emilie Durkheim (1893) el crimen es el acto que hiere estados firmes y
definidos de la conciencia colectiva y provoca en el perpetrador, la característica
conocida como castigo, de tal suerte, que no hay crimen sin ley. Por su parte, Edwin
Sutherland (1947 citado por Akers, 2013) define la criminología como el proceso de
hacer leyes, romper leyes y hacer que las leyes se cumplan.
Aunque estas definiciones puedan parecer escuetas, es posible derivar puntos
interesantes de ellas, como el hecho de que el crimen ocurre dentro de un contexto
donde la sociedad, por medio del Estado, es quien determina las leyes (lo legal y lo
ilegal), siendo este el que impone los mecanismos mediante los cuales insta al
cumplimiento de dichas leyes.
Además, cabe destacar que aunque esta investigación ha hecho su propia
clasificación de teorías, dentro de la criminología se pueden encontrar distintas
categorizaciones teóricas. Tomando como partida la definición de criminología, se
pueden agrupar las teorías en tres vertientes: las teorías de leyes y justicia criminal;
las teorías de desviación y comportamiento criminal; y un tercer grupo que junta las
7
dos anteriores y trata de dar luz sobre la relación entre el comportamiento criminal
y la ley.
Otra forma de dividir a la teorización sobre el crimen es según el nivel en cual
explican el fenómeno, a saber, hay teorías que basan sus proposiciones en las
diferencias estructurales entre sociedades o grupos (patrones sociales y de
localización), mientras que otras ponen el acento en el individuo. Formalmente al
primer grupo se le llama macroteorías o teorías de macrofundamentación y al
segundo, teorías de micronivel o microfundamentación. Adicionalmente, existen
teorías que tienen enfoques estructurales pero se esfuerzan por trasladar la
influencia de la estructura a los comportamientos individuales, en algo que se podría
llamar macroteorías con microfundamentación.
Asimismo, al ser el crimen un fenómeno estudiado por distintas ciencias, también
es posible realizar una clasificación de teorías según la ciencia o disciplina de la
que provienen sus variables explicativas. Bajo este esquema, la clasificación más
común es la siguiente:
Teorías biológicas que explican el crimen con una o más variables genéticas, químicas, neurológicas o psicológicas; teorías psicológicas basadas en la personalidad, los desajustes emocionales, el retardo mental, perturbaciones psíquicas o psicológicas; teorías socio psicológicas que consideran el crimen como referencia del comportamiento, de variables cognitivas dentro del contexto de un grupo; y teorías sociológicas que explican el crimen con variables culturales, estructurales y sociodemográficas (Akers, 2013:4).
Por último, las explicaciones sobre el comportamiento criminal normalmente se
enfocan en conocer qué tipo de personas son las que cometen los crímenes, no
obstante, hay teorías criminológicas cuya virtud es precisamente cambiar esa
concepción, trasladando la discusión de “tipos de personas” a “tipos de lugares”, es
decir, qué tipos de lugares hacen que haya más crimen. Por lo que se puede añadir
una clasificación según la unidad de análisis.
Con el objetivo de brindar de forma sintética las características básicas de cada
teoría que se analizará en este capítulo, el Cuadro 1.1 muestra dichas teorías y su
clasificación correspondiente según los parámetros anteriormente enunciados.
8
Cuadro 1.1 Clasificación de teorías según distintos parámetros
Fuente: Elaboración propia con base en Akers (2013).
Propuesta por
la
investigación
Según área de
la criminología
en la que se
enfoca
Según nivel de
análisis
Según
ciencia de
la que
provienen
sus
variables
Según
unidad
de
análisis
Teoría de la
disuasión
Enfoque
convencional
Teoría que
relaciona el
comportamiento
criminal y la ley
Microfundamentación
Teoría
socio
psicológica
Tipo de
personas
Teoría de la
elección
racional
Enfoque
convencional
Teoría de
desviación y
comporamiento
criminal
Microfundamentación
Teoría
socio
psicológica
Tipo de
personas
Teoría marxistaEnfoque
estructuralista
Teoría que
relaciona el
comportamiento
criminal y la ley
MacroteoríaTeoría
sociológica
Tipo de
personas
Teoría de la
anomia social
Enfoque
estructuralista
Teoría de
desviación y
comporamiento
criminal
Macroteoría con
microfundamentación
Teoría
sociológica
Tipo de
personas
Teoría de la
desorganización
social
Enfoque
espacial
Teoría de
desviación y
comporamiento
criminal
MacroteoríaTeoría
sociológica
Tipo de
lugares
Teoría de las
actividades
rutinarias
Enfoque
espacial
Teoría que
relaciona el
comportamiento
criminal y la ley
Macroteoría o
microfundamentación
Teoría
socio
psicológica
Tipo de
personas
Teoría de los
patrones
criminales
Enfoque
espacial
Teoría de
desviación y
comporamiento
criminal
MicrofundamentaciónTeoría
sociológica
Tipo de
lugares
Teoría
Clasificación
9
1.2 Enfoque convencional
Como se ha mencionado, se comenzará abordando el tema a partir de la explicación
del enfoque convencional del crimen, partiendo desde la teoría de la persuasión,
también conocida como criminología clásica. Se inicia con este planteamiento, por
ser la teoría primigenia del crimen y por tener relación con la economía dada su
vinculación con el utilitarismo (corriente que también ha tenido desarrollo dentro de
la economía neoclásica). Posteriormente, se explicará lo que se ha considerado
como la evolución de dicha criminología clásica, es decir, la teoría de la elección
racional.
1.2.1 Teoría de la disuasión
El término criminología clásica se refiere principalmente a escritos del siglo XVIII de
Cesare Beccaria en Italia y Jeremy Bentham en Inglaterra. Ambos fueron filósofos
del utilitarismo social que se enfocaron en aspectos legales y penales en lugar de
formular una explicación del comportamiento criminal.
La premisa básica en la criminología clásica es que las acciones y decisiones son
tomadas racionalmente por personas en el pleno ejercicio de su libre albedrío. En
este sentido, el individuo pondera el sufrimiento y la ganancia que le retribuirá el
crimen (creían que si el castigo penal infligía más sufrimiento que la ganancia
obtenida por el crimen, entonces el individuo no cometería el delito), basándose en
la severidad (la dureza de las penas), la celeridad (la rapidez con la cual las
sanciones penales son aplicadas), la certeza (la probabilidad de aprehensión y
castigo) y en menor medida la proporcionalidad6 (qué tanto se ajusta la sanción al
crimen).
Asimismo, los teóricos consideran dos tipos de disuasión: la específica, que parte
del supuesto que los individuos después de haber sido detenidos y sentenciados en
6 Este concepto ha ido evolucionando, en la criminología clásica hace alusión a la escala entre penas y crímenes
sin distinción entre individuos, no obstante, actualmente se considera que la edad y capacidad mental pueden
afectar la habilidad de raciocinio.
10
múltiples ocasiones por sus crímenes, se abstendrán de seguir delinquiendo; y la
general, la cual supone que los criminales enjuiciados sirven como ejemplo para la
gente que aún no ha cometido un crimen, instándolos a temer al castigo y
disuadiéndolos del crimen.
Los primeros estudios contemporáneos (década de los 60) de disuasión
consistieron en comparaciones entre estados de Estados Unidos de América que
contaban con la pena capital para el homicidio de primer grado y aquellos que no
aplicaban pena de muerte. No obstante, no se pudo demostrar contundentemente
un efecto de disuasión por lo que actualmente, los teóricos de la disuasión se
mueven más allá de los efectos de la pena de muerte y se enfocan en probar el
efecto de la certeza y la severidad del castigo en un amplio rango de ofensas
criminales (Akers, 2013).
Otro tipo de estudios que aborda la teoría de la disuasión, es el supuesto
desaliento que la policía produce a los criminales, es decir, la influencia que el riesgo
de ser aprehendido tiene en la decisión de delinquir. Uno de los primeros trabajos
en este sentido fue el de Johannes Andenaes (1974, citado por Apel y Nagin, 2014)
quien relata que en septiembre de 1944 cuando los soldados alemanes ocuparon
Dinamarca y arrestaron a toda su fuerza policial, las tasas criminales crecieron
inmediatamente, principalmente los delitos cometidos en las calles, como el robo. A
pesar de esto, dicho suceso se toma como anecdótico y los estudiosos de esta parte
de la teoría de la disuasión se centran en los cambios marginales que la cantidad
de policías produce sobre el crimen.
Bajo esta tónica, existen dos formas de abordar el tema. La primera estudia el
efecto de disuasión que la policía produce de forma agregada, esto lo hace
mediante variables como la relación entre el número de policías per cápita y la tasa
de incidencia criminal. La segunda se enfoca en la evaluación de la efectividad de
prevención del crimen por parte de las distintas estrategias desarrolladas por la
policía.
11
Aunque trabajos como el de Apel y Nagin (2014: 1004 han llegado a la conclusión
que “la evidencia de un efecto de disuasión sustancial es abrumadora” y que “una
cartera equilibrada de estrategias y programas para prevenir la delincuencia debe
incluir necesariamente políticas basadas en la disuasión”, estas aseveraciones han
sido debatidas por autores como Kleck (2014: 1014) quien asegura que:
[La] evidencia existente indica que las percepciones individuales de la certeza, severidad y rapidez [celeridad] del castigo esencialmente no tienen correlación con los niveles reales de las medidas de riesgo que prevalecen en la zona en la que los individuos residen. Esto sugiere que las políticas públicas que están diseñadas para reducir el crimen, aumentando el efecto disuasorio de la pena tienen pocas posibilidades de éxito, ya que no es probable, en general, que aumenten la percepción, de los delincuentes, de los riesgos legales de cometer delitos futuros. Esto no quiere decir que no hay efectos disuasivos de la amenaza del castigo, sino sólo que las variaciones en los niveles objetivos de castigo no podrán afectar a la magnitud de los efectos disuasorios que ya existen.
A pesar de los debates que existen alrededor de la teoría de la disuasión, esta
continúa siendo utilizada por teóricos contemporáneos (explícita o implícitamente)
al relacionar el crimen con variables que se aproximan a los principios de certeza,
severidad y celeridad del castigo, tales como la proporción entre delincuentes
aprehendidos y condenados, la existencia o ausencia de pena capital y el gasto
gubernamental en seguridad pública.
No obstante, aunque el concepto de disuasión se sigue aplicando con variables
aproximadas que tratan de guardar los principios de la teoría, alternativamente, a
partir de finales de los sesenta el concepto de disuasión fue evolucionando, dando
como resultado la introducción a la criminología de la teoría de la elección racional.
12
1.2.2 Teoría de la elección racional
La elección racional está basada en el principio económico de la utilidad esperada,
el cual supone que las personas tomarán decisiones racionales basadas en el grado
en el que ellos esperan que su elección maximice sus ganancias o beneficios y
minimice sus costos o pérdidas.
Este costo de oportunidad es, en general, la misma suposición acerca de la
naturaleza humana que hace la criminología clásica al explicar la decisión de
delinquir, esta afinidad obvia entre las teorías de disuasión y de elección racional
yace en el hecho de que ambas se desarrollaron a partir de los preceptos de la
filosofía utilitaria del siglo XVIII (Akers, 2013), de la cual también se desprende el
enfoque utilitario utilizado por la economía neoclásica.
En cuanto a la teoría criminal de la elección racional, se toma como texto seminal
el realizado por Gary Becker (1968:2) “Crime and punishment: An economic
approach”, donde trata de responder las preguntas:
¿Cuántos recursos y cuánta cantidad de castigo debe de ser usado para emprender cada clase de legislación? Puesto en equivalencia, aunque más extraño ¿Cuántas ofensas criminales deben de ser permitidas y cuántos ofensores deben de quedar impunes?
Para solucionar dicha cuestión, el autor analiza los costos gubernamentales de
detener a los criminales y por medio de funciones de utilidad, llega a los puntos
óptimos que teóricamente son decisiones que minimizan la pérdida de ingreso social
usado para aprehender a los delincuentes. Además, con base en supuestos
provenientes de la teoría neoclásica de la utilidad esperada, determina la
probabilidad de que un crimen sea descubierto y castigado, el tamaño del castigo
para el criminal y el tipo de castigo (cárcel, libertad condicional, etc.).
El texto de Becker (1968), concluye que las políticas óptimas para combatir el
comportamiento ilegal, son parte de una óptima asignación de recursos, siendo un
claro (y en ese tiempo innovador) ejemplo de aplicación de matemáticas y teoría
económica para describir el fenómeno del crimen, en lo que el propio autor llamaría
13
una resurrección, modernización y mejora de las ideas de Beccaria y Bentham
(criminología clásica).
De acuerdo con McCarthy y Chaudhary (2014) el enfoque de la elección racional
se puede resumir en 9 enunciados:
1. Las preferencias no se refieren precisamente a acciones o comportamientos,
sino que las personas tienen preferencias por resultados (bienes, servicios,
estados de bienestar).
2. Las preferencias están influenciadas por los beneficios esperados de un
resultado. La proporción costo-beneficio asociada con una acción es un
indicador de la utilidad esperada.
3. El individuo puede ordenar sus preferencias de mayor a menor valor. Estas
preferencias son relativamente estables, no cambian a través del tiempo, al
menos que se obtenga nueva información.
4. Las evaluaciones de costo-beneficio del individuo están influenciadas por la
información que recogen. La recopilación de información es sin embargo, en
sí misma un costo.
5. Las preferencias también están influenciadas por la perspectiva del tiempo.
Las personas que tengan una preferencia positiva por el tiempo, necesitarán
una compensación futura mejor para abstenerse de un beneficio presente.
6. Las preferencias se ven aún más afectadas por las actitudes hacia el riesgo
y la incertidumbre. La gente no tiene una preferencia para la toma de riesgo
por sí misma (es decir, la toma de riesgos no es un resultado); más bien, las
actitudes de las personas hacia la toma de riesgos influencian la utilidad que
asocian con un resultado.
7. Las acciones racionales son aquellas que son consistentes con los
supuestos anteriores.
8. El enfoque de la elección racional no impide que las personas actúen
irracionalmente, la gente puede seguir un curso de acción inconsistente con
sus preferencias por una variedad de razones.
14
9. El enfoque de la elección racional se refiere a la coherencia entre las
preferencias y elecciones de las personas. Asimismo, es un enfoque
probabilístico, en lugar de un enfoque determinista: explica cómo la mayoría
de la gente hace muchas de sus decisiones, sin asumir que todas sus
elecciones se pueden explicar.
Este enfoque considera que la decisión de cometer un delito puede estar
fuertemente influida por las decisiones tomadas por el resto de actores involucrados
en la acción criminal, tales como policía, víctimas, testigos o cualquier otra persona
implicada. Para comprobar sus hipótesis los teóricos que se rigen bajo esta escuela
usualmente utilizan métodos como la teoría de juegos, argumentando que:
La teoría de juegos destaca la interacción dinámica de las decisiones y ofrece una herramienta importante para la construcción de modelos que hagan supuestos explícitos acerca de las preferencias de la gente, las opciones de comportamiento y consecuencias, y las conexiones entre sus elecciones y sus expectativas de las decisiones de otros. Aunque la teoría de juegos más a menudo se ha utilizado para construir modelos matemáticos formales del infractor, en lugar de orientar la investigación empírica, las proposiciones de los modelos de la teoría de juegos (GTM) son falsables y, por tanto, sujetas a comprobación empírica (McCarthy y Chaudhary, 2014:4312).
Sin embargo, la teoría criminológica de la elección racional, es propensa a críticas
similares a las que se enfrenta la economía neoclásica cuando sus detractores
ponen en duda la existencia de un agente con racionalidad total y poseedor de
información perfecta. Como botón de muestra, el criminólogo Gary Kleck (2014:
1016) comenta:
No importa qué tan inclinadas y capaces puedan ser las personas para procesar racionalmente y ponderar la información, y para considerar los costos y beneficios de los diversos cursos de acción posibles, ellos en realidad no pueden decidir y actuar racionalmente a menos que haya como mínimo algo de precisión en sus percepciones de los costos y beneficios, y por lo tanto cierta correspondencia entre la realidad y su percepción de la realidad.
Adicionalmente, hay que considerar que al presente no existe evidencia empírica
que pueda comprobar el accionar criminal como una función costo-beneficio, esto
dado que para su contraste empírico se necesitaría la existencia de una encuesta
de criminalidad donde se recabara de entre los delincuentes, su nivel de satisfacción
al cometer el crimen, así como las razones por las que decidió delinquir en lugar de
15
realizar otra actividad, esto con el objetivo de saber si en verdad la teoría concuerda
con la realidad.
Así mismo, defensores del enfoque de la elección racional (McCarthy y
Chaudhary, 2014) admiten que existen inconsistencias con sus hipótesis acerca de
las preferencias y la toma de decisiones, aunado a que los hallazgos de la
investigación experimental psicológica no parecen coincidir con las predicciones
derivadas de la teoría de las expectativas racionales, sin embargo argumentan que
la combinación de las expectativas racionales convencionales con una “teoría de
los errores” puede corregir muchas de las inconsistencias observadas en las
predicciones derivadas de este enfoque, por lo que, según su punto de vista, es
superior a otras alternativas.
Como se ha podido observar, el enfoque convencional del crimen tiene puntos a
favor y puntos en contra, indudablemente se debe de destacar a la criminología
clásica por haber sido la precursora en el estudio del crimen, además gracias a la
parsimonia de sus variables teóricas, al día de hoy estas pueden ser (y son)
evaluadas. A su vez, el gran punto a favor que tiene la teoría de la elección racional
es la intromisión de la economía en las explicaciones del crimen, tendencia dentro
de la que incluso se podría enmarcar a la presente investigación.
Con respecto a las debilidades de este enfoque, la principal, o al menos la
mencionada más recurrentemente, descansa en los supuestos de racionalidad de
los cuales depende, ya que la veracidad de estos no es comprobable, ni
generalizadamente aceptada.
Aunado a lo anterior, también se puede debatir la forma de explicar el problema
del crimen, centrándose en demasía en el individuo y descartando la influencia de
su entorno, en lo que se podría denominar como una forma escueta de abordar el
fenómeno.
16
1.3 Enfoque estructuralista
Hasta este punto se han expuesto las teorías convencionales del crimen, mismas
que tienen de entre sus características, el explicar al fenómeno partiendo de una
microfundamentación, en otras palabras, ven al delito como una decisión individual
y por lo tanto tratan de entender el proceso de raciocinio mediante el cual las
personas optan por el crimen.
En oposición a estas teorías, el enfoque estructuralista trata de ampliar el
espectro del análisis, asumiendo la existencia de condiciones estructurales y
proponiéndolas como un factor determinante del crimen, es decir, según este
enfoque el crimen no es sólo una decisión individual, sino que es una decisión
individual influenciada por el entorno en el que se desenvuelve el individuo.
Por tal motivo, a continuación se presentarán dos de las principales teorías de
tinte estructuralista, comenzando con la teoría marxista de la criminología, la cual
como su nombre lo indica, está derivada de las ideas de Karl Marx, hecho que la
acerca a la ciencia económica (al menos en su vertiente crítica). Posteriormente se
desarrollará la teoría de la anomia social, que se identifica más con la ciencia de la
sociología pero tiene un sentido económico implícito.
1.3.1 Criminología marxista
A pesar que Marx no escribió propiamente del crimen en una forma sistemática, los
criminólogos han usado la teoría marxista para analizar leyes, crimen y el sistema
de justicia criminal (Matthews y Chambliss, 2014). Las teorías criminológicas
marxistas se desenvuelven dentro de categorías como la lucha de clases y el
ejército industrial de reserva, viendo al crimen como una consecuencia del modo de
producción capitalista, donde ante el objetivo del capitalista de aumentar su tasa de
ganancia, y dentro de un escenario determinado por la tendencia decreciente de la
tasa de ganancia, surgen fenómenos como el aumento del desempleo, la
disminución de salarios y en general la pauperización de la clase trabajadora,
hechos que por un lado sirven como un paliativo para sanear la disminución de la
17
tasa de ganancia y ayudan a la concentración y centralización del capital, mientras
que por el otro lado generan consecuencias sociales adversas, tales como el
crimen.
En una investigación, Rick Matthews (2014) encuentra que aunque intuitivamente
la situación económica está relacionada con los índices de criminalidad, esta
relación es más compleja que tan sólo pensar que las personas que tienen
carencias las cubrirán robando. La perspectiva marxista explica al crimen desde un
conjunto de condiciones sociales y económicas, enfocándose en la forma en la que
el mismo capitalismo crea las condiciones de propensión criminal.
Para la teoría marxista la ley es un mecanismo que utiliza la clase dominante
para preservar sus intereses, razón por la cual, el sistema criminal es usado en
contra de la gente, bajo esta lógica, en el capitalismo el sistema de leyes y castigos
está estructurado no para combatir el crimen en beneficio de la población, sino como
un mecanismo de control social.
El texto seminal de la criminología marxista es “Criminality and Economic
Conditions” de William Bonger (1916), donde describe el sistema económico
poniendo énfasis en la condición social de las distintas clases (burguesía, pequeña
burguesía, proletariado y bajo proletariado). La hipótesis de este trabajo es que el
egoísmo proveniente del sistema capitalista es el que insta al crimen, ya que al ser
un sistema económico basado en el intercambio debilita los lazos entre los
individuos y los aísla. Para este autor, la pobreza dentro del capitalismo ocasiona
que los individuos delincan tanto para sobrevivir en el sistema, como por el efecto
desmoralizador de ser pobre dentro de una sociedad consumista. Bonger (1916)
concluye enunciando a las condiciones sociales y económicas como un factor
determinante del crimen, de tal manera que para él, una forma de combatir el delito
es mejorar estas condiciones.
Más tarde, en 1933 Georg Rusche propuso que los gobiernos implementaran
estrategias penales de conformidad con las principales características de sus
sistemas político-económicos para facilitar el control social, por ejemplo: en una
18
sociedad con alto desempleo y un proletariado pauperizado, el autor comenta que,
sólo las sanciones crueles como la pena de muerte o la tortura detendrán el crimen,
ya que en las prisiones los individuos mínimo obtendrían comida; por otro lado,
cuando los trabajadores son escasos y el salario es alto, el encarcelamiento puede
ser utilizado para que las clases bajas hagan trabajos que nadie quiere hacer a un
bajo costo (ya que no se les paga, sólo se les da comida), en estas sociedades,
raramente habrá pena de muerte.
Ocho años después, con su colega Otto Kirchheimer, Rusche amplió su tratado
original, formulando lo que se conoce como la hipótesis Rusche-Kirchheimer:
Todos los sistemas de producción tienden a descubrir las penas que corresponden a sus relaciones productivas. Por tanto, es necesario investigar el origen y destino de los sistemas penales, el uso o la evitación de castigos específicos, y la intensidad de las prácticas penales, ya que están determinadas por fuerzas sociales, sobre todo por las fuerzas económicas y fiscales7 (Rusche y Kirchheimer, 1939:5 citado por Michalowski y Carlson, 1999).
No obstante, es hasta la década de los 70 cuando comienzan a surgir más
estudios de criminología marxista, dentro de los cuales, se pueden identificar dos
corrientes: los instrumentistas que argumentan que las políticas del Estado están a
favor de las clases dominantes, por lo que se enfocan en estudiar la preservación
de los intereses de la clase dominante en la ley, poniendo menos atención en los
crímenes callejeros; y los estructuralistas, quienes argumentan que hay luchas y
conflictos de interés entre las clases y el Estado, por lo que ahondan en el rol que
la inequidad ha jugado dentro del sistema capitalista para generar crímenes
callejeros.
De entre los instrumentistas se puede identificar a William Chambliss (1975:151),
que define al crimen como la expresión inevitable de la lucha de clases,
argumentando que:
7 En la década de los 70 esta hipótesis fue retomada por criminólogos marxistas estadounidenses y europeos,
simplificándola en la aseveración que poblaciones con mayor fuerza de trabajo excedente (representada por la
tasa de desempleo), tendrán mayores tasas de encarcelamiento.
19
El derecho penal no es un reflejo de la costumbre (como otros teóricos han argumentado), sino que es un conjunto de normas establecidas por el Estado bajo los intereses de la clase dominante, y como resultado de los conflictos inherentes a las sociedades estructuradas por clases; el comportamiento criminal es, entonces, la expresión inevitable de la lucha de clases que resulta de la naturaleza inherentemente explotadora de las relaciones económicas.
Asimismo, para Chambliss (1975) el crimen es una herramienta para las clases
dominantes mediante dos vías: la primera consiste en reducir el desempleo por
medio del encarcelamiento, sacando a los criminales de la estadística (ya que los
presos no se contabilizan como desempleados); la segunda es haciendo que con el
crimen, las clases más bajas distraigan su atención de la explotación de la que son
objeto y se pongan en contra de los criminales (que usualmente pertenecen a la
misma clase baja). Además hay que considerar que la existencia del crimen genera
puestos de trabajo, tales como jueces, policías y demás encargados del
cumplimiento de la ley. Finalmente, para este autor, la lucha de clases produce
inequidad y la inequidad lleva al crimen, generando un círculo vicioso.
Del lado de los estructuralistas se encuentra Spitzer (1975) quien describe una
de las funciones principales de la superestructura en las sociedades capitalistas: la
regulación y manejo de la población problemática. Además esta población cumple
con una función dentro del sistema, pues, económicamente son parte de un grupo
de trabajo excedente, políticamente son la evidencia de la necesidad de la
intervención y existencia del Estado, e ideológicamente sirven como “chivos
expiatorios” para el descontento social. En otras palabras, para este autor, un
número de “alborotadores” es necesario para que el Estado ejerza su poder.
Dentro de esta misma vertiente se encuentra Quinney (1974) cuya principal
aportación consistió en dividir el delito en crímenes de clase trabajadora o crímenes
de resistencia, y crímenes de clase dominante o crímenes de represión, estos
últimos son sólo los que comete la clase dominante y el Estado contra las clases
más bajas, mientras que los primeros se caracterizan por ser cometidos por las
clases bajas a las mismas clases bajas, situación que se agrava y se hace más
frecuente conforme aumenta la inequidad.
20
En opinión de Akers (2013), la principal diferencia entre estas dos corrientes es
que en la vertiente estructuralista, se supone una “relativa autonomía” por parte de
la política estatal, es decir, que la ley y el sistema de justicia criminal no están
totalmente subyugados ante los intereses de la clase dominante.
La teoría marxista de la criminología tiene sus principales detractores dentro de
criminología convencional, ya que los supuestos sobre la naturaleza humana que
hace la teoría marxista, van en contra de las explicaciones basadas en la utilidad y
la elección racional. De igual manera, criminólogos convencionales como
Greenberg (1981 citado por Matthews, 2014) tachan a la teoría como “no científica”,
“utópica” y “moralina”, a lo que los mismos marxistas responden que sus
explicaciones no son ni más ni menos “utópicas” o “moralinas” que las de
criminólogos tradicionales.
En su trabajo, Akers (2013) asegura que más allá de las críticas a lo que él llama
“proposiciones tautológicas” e “ideología dogmática” del marxismo, el verdadero
problema de esta teoría para explicar el crimen es la poca contundencia de sus
datos cuantitativos8, asegurando que los teóricos marxistas tienen preferencia por
el análisis histórico para evaluar sus hipótesis, haciéndolo, según su punto de vista,
de forma tendenciosa.
Por su parte, el criminólogo marxista Rick Matthews (2014: 11) añade:
Otras áreas de preocupación para el criminólogo crítico han sido (1) la tendencia de algunos criminólogos marxistas a "idealizar" criminales como "clase revolucionaria" (2) la naturaleza excesivamente determinista de algunos marxistas (3) la tendencia de algunos marxistas para dar indebido peso al Estado como un "instrumento" de la clase dominante para la opresión, y finalmente (4) la tendencia de algunos marxistas con la idea de que los temores de la gente a la delincuencia son sólo síntomas de "falsa conciencia" fabricada por el Estado para mantener la atención del público desviada de la raíz todos los problemas: el sistema capitalista. Mientras que una o más de estas críticas pueden aplicarse a una obra "marxista" en particular, eso no quiere decir que todos los marxistas son propensos a ellas. De hecho, muchos criminólogos marxistas estarían de acuerdo con estas críticas.
8 Esto podría ser debatible observando trabajos como el Antonaccio y Tittle (2007) “A cross-national test of
Bonger’s theory of criminality and economic conditions”.
21
A pesar de las críticas, la importancia de la criminología marxista consiste en
haber abierto el panorama sobre las causas que determinan al crimen, poniendo
dentro de la discusión a factores como el gobierno, las clases dominantes y sobre
todo la estructura socioeconómica, generando nuevas preguntas y formas de
abordar la problemática.
1.3.2 Teoría de la anomia social
En 1938 Robert Merton critica la tendencia de la sociología de atribuir los problemas
de la estructura social a los impulsos biológicos de los individuos. Consistentemente
con esta idea, propone una teoría para explicar el crimen basándose en el concepto
de anomia social, mediante el cual busca alejarse de las limitaciones de enfoques
utilitaristas, con la idea de que los fines de los hombres no son aleatorios como lo
suponía la criminología clásica y algunas corrientes sociológicas, sino que esos
fines están derivados de valores culturales básicos. De tal suerte que, mediante el
concepto de anomia, logra dar una explicación macroestructural al fenómeno del
delito.
Cabe destacar que Merton (1938) no fue el primero en usar la anomia para
explicar problemas sociales, este concepto había sido utilizado con anterioridad por
Durkheim (1897) para explicar al suicidio como un hecho social, reconociendo con
esto la influencia que tiene la sociedad (condiciones estructurales) en un fenómeno
tan íntimo y personal como lo es el suicidio.
Desde este enfoque, Merton (1938) vincula las condiciones estructurales de la
sociedad con el acto de delinquir, argumentando que la anomia social, definida
como la incapacidad de la estructura socioeconómica de proveer a ciertos
individuos los medios necesarios para lograr sus fines, empuja a los individuos a
tratar de lograr dichas metas utilizando medios ilegales como el crimen.
El autor hace hincapié en que “los fines” de los individuos son metas socialmente
dadas, es decir parámetros de éxito impuestos por la misma sociedad. Para aclarar
este punto, el ejemplo por excelencia es la sociedad estadounidense, que acuñó
22
nociones como el “American Dream” y el “American Way of Life”, donde para que el
estadounidense sea considerado exitoso debe de cumplir con una serie de
parámetros sociales y principalmente económicos.
El énfasis extremo en la acumulación de riqueza como símbolo de éxito en nuestra propia sociedad [Estados Unidos] milita contra el control completamente eficaz de modos institucionalmente regulados de adquirir fortuna. Fraude, corrupción, vicio, crimen, en pocas palabras el catálogo completo de comportamiento prohibido se convierte cada vez más común cuando el énfasis en las metas de éxito culturalmente inducidas se divorcian de un énfasis institucional coordinado (Merton, 1938: 39).
Es decir, para que una sociedad mantenga niveles de conductas ilegales bajos,
debe de existir un equilibrio entre las metas culturalmente inducidas y los medios
legales, en aras de una mayor claridad de esta idea, Akers (2013: 164) lo plantea
de la siguiente manera: “para Merton, una sociedad íntegra mantiene el balance
entre una estructura social (medios sociales aprobados) y la cultura (metas
aprobadas)”. De tal forma que la anomia se puede ver como el desequilibrio entre
metas y medios legales.
El problema con este desequilibrio es que puede crear escenarios donde la
búsqueda del prestigio y el éxito económico tiendan a eliminar la disuasión que
ejercen las normas en los individuos, creando sociedades donde aseveraciones
como “el fin justifica los medios” sean la directriz de los comportamientos
individuales, hecho que tal como apunta Merton (1938), aumentaría la cantidad y
frecuencia de conductas desviadas. Además, la misma división de la sociedad en
clases agravaría la tendencia, ya que las clases bajas se enfrentarían a una
situación adversa, notoriamente inequitativa con respecto a la de las clases altas,
factor que según el autor produce frustración, hostilidad y crimen.
No obstante, el autor advierte que no se debe de simplificar el fenómeno haciendo
solamente correlaciones entre pobreza y crimen, considerando que la pobreza es
sólo el resultado de conjuntos de circunstancias, razón por la cual, invita a incluir en
el análisis del delito, una gama de variables sociales y culturales, ya que para él la
pobreza por sí sola no representa la limitación de oportunidades.
23
Por otra parte, una de las características principales de la teoría de la anomía es
que resalta el macronivel, así como los mecanismos del comportamiento criminal
en el micronivel (Bernburg, 2014), es decir, si bien Merton (1938) parte de
explicaciones estructurales, también argumenta que esta estructura afecta el
comportamiento de los individuos, dicho en otras palabras: contempla el macronivel
pero también cuenta con una microfundamentación.
Como consecuencia, esta teoría puede usar variables que describan a la
sociedad en su conjunto, así como variables que expliquen el comportamiento de
los individuos, razón por la cual, ha sido utilizada y adaptada por teóricos en tres
niveles de fundamentación: el macronivel, el multinivel y el micronivel.
Las teorías de la anomia de macronivel, tienen como tendencia usar a la
inequidad como variable para explicar el crimen, siendo el texto precursor de esta
corriente el elaborado por Blau y Blau (1982), estudio en el que concluyen que la
inequidad socioeconómica entre razas, así como la inequidad económica en
general, aumenta las tasas de violencia criminal, pero una vez que esta inequidad
es controlada, deja de influir a las tasas criminales.
Por su lado, las teorías multinivel de la anomia se caracterizan por juntar variables
socioeconómicas agregadas como nivel de ingreso promedio, nivel educativo
promedio, crecimiento económico, con variables individuales provenientes de
encuestas. Por medio de estos datos, los investigadores indagan sobre la
percepción que tienen los encuestados respecto a las metas socialmente dadas, el
compromiso que tienen con estas, y qué tan capaces son de caer en la ilegalidad
con tal de alcanzarlas. Defensores de este tipo de investigaciones (Baumer, 2007),
las justifican con el argumento de que el vínculo que plantea la teoría de la anomia
entre los elementos socioculturales y las actitudes individuales, requiere pruebas
que precisamente conecten datos a nivel grupal e individual.
La última vertiente que existe de la teoría de la anomia es la perspectiva que se
enfoca en el micronivel, o sea al comportamiento individual, a estos estudios incluso
se les puede clasificar dentro de una escuela relativamente independiente, llamada
24
teoría de la tensión social, iniciada en 1955 por Albert Cohen, quien argumenta que
las subculturas criminales9 son una adaptación de la tensión estructural, no
obstante, los estudios más prolíficos vienen con el nombre de teoría general de la
tensión, de la cual Robert Agnew (1992) es precursor al vincular explícitamente la
teoría clásica de la tensión social con la anomia, cambiando el enfoque de macro
desigualdad estructural a factores micro socio-psicológicos, siendo por tal motivo
una vertiente que se caracteriza por usar variables provenientes de la psicología
(Moon, Blurton y McCluskey, 2008).
Como se ha podido observar, la teoría de la anomia social se caracteriza por ser
flexible en cuanto a los niveles de análisis utilizados, convirtiéndola en una teoría
más amplia, siendo la mayor ventaja de este hecho, la de explícitamente vincular la
macroestructura y la microfundamentación, aunque aún no hay un consenso en
cómo llevar esta idea a modelos aplicados (recordando que los mayores esfuerzos
en realizar esta tarea han venido por parte del enfoque multinivel). Además en la
cuestión económica, la anomia permite vincular teóricamente la inequidad social y
económica con los índices de criminalidad de las sociedades.
De igual manera, se puede enunciar que el enfoque estructural es menos
simplista que los enfoques utilitaristas y, ya sea apoyándose del corpus teórico del
marxismo o mediante conceptos sociológicos como la anomia, tiene mucho que
aportar a la criminología y al tema de la relación entre economía y crimen, ya que
considera un grupo amplio de variables para explicar el delito, mismas que dan un
panorama más completo del fenómeno.
9 Grupos formados como consecuencia de la pérdida de valores en la sociedad.
25
1.4 Enfoque espacial
En esta sección se explicarán tres destacadas teorías criminológicas que tienen
como característica común, el considerar al espacio físico como un factor que se
debe de tomar en cuenta al momento de analizar y teorizar sobre las causas, la
predicción o incluso la simple descripción del comportamiento criminal. Estas teorías
si bien no ahondan en el tema del crimen y la economía, sí abordan otro de los
tópicos que son objeto de esta investigación: el espacio y su relación con los índices
de criminalidad.
Asimismo, es prudente mencionar que las teorías aquí presentadas también
pueden ser catalogadas en lo que se conoce como ecología social, corriente que se
enfoca en la relación de los modos de vida, la distribución espacial y el cambio de
una sociedad con el medio ambiente en que se desenvuelve. La corriente ecológica,
tiene la propensión de realizar aseveraciones sociales, equiparando la conducta
social con el comportamiento de la naturaleza (ecología), por lo que es usual que
las teorías desprendidas de este enfoque cumplan con esta tendencia.
Las teorías ecológicas buscan explicaciones de las acciones individuales en las características generales de la estructura social en la que se incrusta un individuo. Teorías basadas en el lugar [enfoque espacial] caen de lleno en la tradición teórica de la ecología social, pero son más específicas acerca de los mecanismos por los cuales contexto estructural se traduce en una acción individual (Anselin, Cohen, Cook, Gorr, y Tita, 2000:220).
En las siguientes páginas se expondrán la teoría de la desorganización social y
su aportación a la criminología; la teoría de las actividades rutinarias y las reglas
que utiliza para hacer simulación y predicción del crimen; la teoría de los patrones
criminales, también conocida como enfoque de hotspots y los vínculos entre espacio
y delito que proponen.
26
1.4.1 Teoría de la desorganización social
La teoría de la desorganización social y en general todas las teorías de este
apartado, tienen su principal antecedente en las décadas de 1920 y 1930 con la
Temprana Escuela de Chicago, en donde se gestó el enfoque de la ecología social
el cual se puede definir como “el estudio de las consecuencias sociales y de
comportamiento de la interacción humana con el entorno” (Browning, Cagney y
Morris, 2014: 1236).
No obstante es hasta la década de los 40, cuando tras la cooperación entre la
Universidad de Chicago y el Instituto de Investigación Juvenil de Chicago, Shaw y
Mckay (1942) elaboran el texto seminal “Juvenile delinquency and urban areas”, en
el que, con la información de los jóvenes ofensores, realizaron un mapa que
mostraba los hogares de estos10. Donde pudieron identificar que las tasas de
criminalidad en Chicago no eran uniformes, es decir, variaban según la zona. Para
saber el por qué de esta situación, observaron los distintos niveles de crecimiento
de las áreas de la ciudad, y no sólo relacionaron el crimen con el crecimiento de la
ciudad, sino con la complejidad de la vida urbana.
Su estudio concluye que la delincuencia aumenta en barrios caracterizados por
bajas condiciones económicas, heterogeneidad racial e inestabilidad residencial.
Adicionalmente, reportan que las tasas de delincuencia en los barrios de bajos
ingresos fueron más altas en aquellos que se encontraban dentro del centro de la
ciudad y decrecían conforme se alejaban de las zonas de mayor afluencia.
Según los autores, esas condiciones son signos de desorganización social, por
lo que afirman que los barrios socialmente desorganizados, son menos capaces de
controlar el comportamiento criminal, razón que explica las altas tasas de
criminalidad en estas áreas.
10 Esto fue posible ya que gracias a la cooperación con el Instituto de Investigación Juvenil de Chicago, contaban
con datos que contenían variables como edad, sexo y lugar de residencia de los ofensores.
27
Al igual que en la teoría de la anomia social de Merton (1938), la teoría de la
desorganización social está inspirada en las ideas de Durkheim (1897) quien en “El
suicidio” explica la variación de las tasas de suicidio a través de las comunidades,
por medio de las diferencias en las condiciones sociales de esas áreas. De igual
forma, para Durkheim (1897) los periodos de rápido cambio social alteraban la
estructura del orden formativo, aspectos que Shaw y Mckay (1942) retoman en su
estudio.
Décadas más tarde, en el marco de los avances tecnológicos11, se retoman las
ideas de la ecología social, tal como menciona Anselin et. al. (2000: 218) “las nuevas
capacidades de GIS [Sistemas de Información Geográfica] que permiten
mediciones flexibles en distintos niveles de agregación espacial han facilitado
muchos análisis recientes de las características ecológicas de la delincuencia”.
De la investigación que esta escuela ha hecho en los últimos 25 años, se pueden
destacar varias regularidades macroscópicas del delito: el delito no se distribuye
uniformemente en el espacio o el tiempo; un pequeño número de personas, lugares
y objetivos experimentan la mayoría de victimización; las distancias de viaje de los
delincuentes para delinquir son típicamente cortas y exhiben las características de
una función de decaimiento de distancia (Anselin et. al., 2000).
Cabe destacar, que de las teorías de enfoque espacial que se presentan en esta
sección, la teoría de la desorganización social es la que tiene más relación con la
economía, ya que, entre otras cosas relaciona el estatus económico del área con
sus tasas de delincuencia. En este sentido Shaw y Mckay (1942) encontraron que
la delincuencia era mayor en áreas con bajo nivel económico, concluyendo que las
condiciones económicas indirectamente influyen en las tasas de criminalidad.
De tal forma que el estudio de Shaw y McKay (1942) y en general los estudios
basados en la teoría de la desorganización social, se centran en tres grupos de
11 Shaw y Mckay relatan que hicieron sus mapas de hotspots a mano, sobre un mapa de Chicago.
28
variables: las variables de estatus físico, las variables de estatus socioeconómico y
las variables de estatus poblacional.
Por su parte, en la decisión de delinquir se consideran dos partes, una etapa de
largo plazo en la que se toma la decisión de estar involucrado con actividades
delictivas, y una decisión de corto plazo en la que se presenta la oportunidad. En
este sentido, la teoría de Shaw y Mckay (1942) argumenta que la desorganización
social juega un rol en el proceso de decisión de largo plazo.
Actualmente, se puede decir que el trabajo de Shaw y Mckay (1942) no se
encuentra del todo vigente, ya que la conclusión de que un barrio con bajo nivel
socioeconómico, racialmente heterogéneo y con inestabilidad residencial tiende a
tener mayores índices de criminalidad, ha sido puesta en duda empíricamente en
las dos últimas afirmaciones12. Sin embargo, las significancia estadística de las
condiciones socioeconómicas, continúa sin ser desmentida. De igual manera, la
tendencia de mayores tasas criminales conforme más cerca del centro de las
ciudades, sigue apareciendo13.
Esto ha ocasionado que hoy por hoy, los investigadores que incluyen la teoría en
sus trabajos, tiendan a incluir solo partes de la teoría, o a no incluir las variables
originales que los autores usaron, sino tan solo la idea de utilizar tres grupos de
variables (económicas, urbanas y poblacionales) (Walker, 2009). Hecho que se
podría justificar con la simple dinámica de la sociedad y la necesidad de no tratar
dogmáticamente a las teorías, adaptándolas a la realidad y no al revés.
Por otro lado, a pesar de que originalmente la teoría de la desorganización social
fue concebida para analizar vecindarios, hoy en día la investigación dentro de esta
corriente utiliza datos agregados a áreas tales como bloques censales, grupos de
12Véase Weisburd, Groff y Yang (2012). 13Adicionalmente, estudios como el de Weisburg, Groff y Yang (2012) que incluyen como factor de
desorganización física, concentraciones de basura, carros abandonados y grafitis, han demostrado que existe
una relación entre estos factores y el crimen callejero.
29
bloque, o secciones definidas administrativamente porque estos datos son robustos
y en la actualidad relativamente fáciles de conseguir14 (Hart y Waller, 2013).
Además la teoría de la desorganización social, desde su aparición se ha
esparcido y ha influenciado distintas corrientes de estudio, que van desde réplicas
del estudio original en otras ciudades; trabajos en el campo de la criminología
ecológica enfocada a aumentar la investigación relacionada con el mapeo criminal;
hasta temas de investigación más lejanos como las peleas callejeras de perros
(Walker, 2009).
En síntesis, la teoría de la desorganización social, es una teoría flexible, ya que
tiene la ventaja de proponer tres grupos de variables (económicas, urbanas y
poblacionales) que pueden ser definidas según mejor se acoplen a los objetivos de
la investigación. Como desventaja, se puede encontrar que el concepto de
desorganización social sigue siendo ambiguo y que de los resultados originales del
texto de Shaw y Mckay (1942), sólo prevalece el que relaciona al crimen con la
estructura socioeconómica y el espacio, descartando (o al menos poniendo en
duda) la relación entre heterogeneidad racial e inestabilidad residencial con el delito.
1.4.2 Teoría de las actividades rutinarias
La teoría de las actividades rutinarias, si bien se podría clasificar como una
derivación de las teorías convencionales de la criminología, tiene un punto que la
diferencia de estas: la teoría de las actividades rutinarias se basa en patrones que
consideran tanto el tiempo, como el espacio.
Explicaciones de actividades rutinarias sugieren que los patrones individuales de comportamiento aumentan la victimización a través de la convergencia del espacio-tiempo de los posibles delincuentes, objetivos adecuados, y la ausencia de guardianes capaces (Pratt y Turanovic, 2014: 1901).
Estas ideas parten del trabajo de Cohen y Felson (1979), donde definen como
objetivo, concentrarse en las circunstancias en las que se llevan a cabo los crímenes
14 Esto para el caso estadounidense, en México la información criminal a ese nivel de agregación no es tan
accesible.
30
en lugar de hacer énfasis en las características de los ofensores (tal y como lo hacen
los enfoques convencionales).
La hipótesis de Cohen y Felson (1979: 588) es que “la dispersión de las
actividades fuera de los hogares aumenta la oportunidad para el crimen y por lo
tanto genera índices de criminalidad más altos”, en este planteamiento incluyen el
concepto de “oportunidad”, el cual es fundamental para entender la teoría de las
actividades rutinarias, dado que el supuesto básico de esta teoría es que el individuo
delinque cuando se le presenta la oportunidad dentro de sus actividades diarias.
La teoría de las actividades rutinarias argumenta que, ya que las oportunidades son las causas inmediatas del crimen y la delincuencia, también son las causas más importantes […] La teoría de las actividades rutinarias dice que la oportunidad hace al ladrón15 (Bratt, 2014: 2421-2422).
El otro supuesto fundamental de esta teoría es que el fenómeno criminal se
resume en tres variables: posibles criminales, objetivos deseables y supresores del
crimen, por lo que “la variación de estos requisitos previos puede explicar [por sí
sola] los cambios en las tasas de criminalidad sin necesidad de cambios en las
condiciones estructurales o individuales que motivan a los delincuentes” (Kringen y
Felson, 2014: 4544).
Asimismo, el último supuesto clave para entender esta teoría es la idea de que
las actividades ilegales se alimentan de la estructura espacio-temporal de las
actividades legales, por ejemplo ir a trabajar, pasear, salir a comer, etcétera. Por
este motivo, la distribución espacial y temporal de las actividades legales, jugaran
un rol importante al determinar la localización, cantidad y tipo de actos ilegales que
se cometerán en una sociedad.
Esta teoría está explícitamente basada en las ideas de la ecología social,
específicamente las de Amos Hawley (1950, citado por Cohen y Felson, 1979),
quien trata a la comunidad, no simplemente como una unidad de territorio, sino más
15 Como consecuencia de la afirmación de que “la oportunidad hace al ladrón” esta teoría es comúnmente
utilizada para explicar y modelar la delincuencia juvenil. Bajo el supuesto de que los adolescentes delinquen
dado que son inconscientes y tienden a realizar acciones de manera impulsiva.
31
bien como una organización de relaciones simbióticas y depredadoras16, siendo
este comportamiento depredador (por parte de los criminales), representado en
actividades legales que se alimentan de actividades ilegales, el que permite la
convergencia espacio-temporal de las variables y por lo tanto, el crimen.
De tal manera que, "la probabilidad de que una violación [penal] se produzca en
algún momento y lugar específico podría ser tomada como una función de la
convergencia de los posibles delincuentes y objetivos adecuados en ausencia de
guardianes capaces" (Cohen y Felson 1979: 590).
Con respecto al nivel de desagregación de la teoría, esta puede ser tratada en
una agregación macroestructural o mediante una microfundamentación. En el
primer caso, los estudios se enfocan en estudiar el crimen, mientras que en el
segundo, se orientan más a analizar la victimología, en el sentido de estudiar las
diferencias de los individuos en cuanto a su propensión a convertirse en víctimas de
un delito (Averdijk, 2014).
Por otro lado, la teoría de las actividades rutinarias ha sido utilizada por algunos
investigadores para ser probada mediante técnicas computacionales como la
simulación cibernética, esto ha sido posible gracias a la simplicidad de la teoría, ya
que se enfoca en el crimen al nivel del evento y plantea como necesarias, ciertas
condiciones ambientales que al cumplirse, hacen que el crimen ocurra en un lugar
y tiempo particulares, hecho que facilita el modelado (Johnson y Groff, 2014).
De entre las principales críticas que le hacen a la teoría de las actividades
rutinarias, está la inconsistencia que la idea de “la oportunidad hace al ladrón” tiene
al explicar el crimen organizado, ya que por definición, al ser organizado, no
depende de oportunidades que se presentan dentro de una rutina diaria, al contrario,
sus actividades criminales implican un alto grado de planeación (Kleemans, Soudijn
y Weenink, 2012).
16 Recordando que una de las características de la ecología social es que muchos de sus planteamientos son
derivados de la naturaleza.
32
Igualmente, se debe enfatizar que la excesiva simplificación del fenómeno, le
resta poder explicativo a la teoría, ya que de entrada descarta la influencia de la
estructura socioeconómica y de las motivaciones individuales en el crimen,
debatiendo las ideas de los enfoques estructurales y convencionales.
1.4.3 Teoría de los patrones criminales
Desde 1975 con la publicación de “The spatial patterning of burglary” Brantingham
y Brantingham han sido los referentes de la teoría del patrón criminal. Esta teoría
ve al crimen como un fenómeno complejo, sin embargo, aunque asumen
complejidad, argumentan la existencia de patrones discernibles en los eventos
criminales. Para los autores los crímenes no ocurren aleatoria ni uniformemente,
por lo tanto declaran la existencia de hotspots (razón por la cual a esta teoría
también se le conoce como el enfoque de hotspots) y coldspots, es decir, puntos de
alta y baja concentración criminal. Además de también considerar la existencia de
víctimas frecuentes y ofensores reincidentes (Brantingham y Brantingham, 1993;
2008).
Al igual que el enfoque de la actividad rutinaria, la teoría del patrón criminal asume que el crimen está asociado con los movimientos cotidianos de los delincuentes y las víctimas en el tiempo y espacio. Sin embargo, mientras que el enfoque de la actividad rutinaria enfatiza el suministro, distribución y movimiento de los objetivos adecuados, posibles delincuentes y guardianes capaces para explicar los patrones de criminalidad a través del espacio y el tiempo, la teoría del patrón criminal se refiere específicamente al papel desempeñado por el paisaje urbano (Wortley y Tilley, 2014: 5170).
Los elementos urbanos clave mediante los cuales la teoría de los patrones
criminales explica al crimen son tres: nodos, trayectorias y aristas. Los nodos son
locaciones que el individuo visita rutinariamente, tales como lugares de alojamiento,
trabajo, recreación, entre otros; las trayectorias o caminos, son las rutas que el
individuo toma usualmente entre los nodos; y las aristas son el límite entre las áreas
de uso de suelo, siendo la línea divisoria que separa un barrio con otro, el borde
más común. Estas tres variables conforman lo que los autores definen como
espacio de conciencia (awarness space), que es el entorno urbano que el individuo
conoce bien y en el que se siente cómodo.
33
Por lo tanto, la teoría del patrón criminal enuncia que el crimen ocurrirá en las
locaciones en las que las posibles víctimas y la oportunidad, coincidan con el
espacio en el que un ofensor se siente cómodo (awarness space). De tal forma que
existen lugares que pueden ser “generadores de crimen” (lugares que proveen de
la apropiada concentración de personas, por ejemplo, paraderos de camiones,
áreas donde hay gran cantidad de oficinas, sitios con mucho comercio, etcétera) y
lugares “atractores de crimen” (zonas donde se sabe que hay oportunidades
criminales, como centros de prostitución, de ventas de drogas o partes con
concentración de comercio informal), en este último caso el ofensor es capaz de
viajar grandes distancias en busca de un objetivo (Brantingham y Brantingham,
1995).
Para diversos autores (van Schaaik y van der Kemp, 2009) los más importantes
descubrimientos de la teoría de los patrones criminales, son el hecho de que las
tasas criminales varían sustancialmente en diferentes áreas geográficas y esas
variaciones pueden ser observadas en diferentes niveles de agregación (regiones,
estados, países); que los patrones de crímenes violentos y crímenes de propiedad,
son diferentes; y quizá la más importante, que los patrones espaciales persisten a
través del tiempo y son un instrumento potencialmente útil para policy makers, ya
que los datos del crimen vinculados al espacio, son fácilmente comparables con
baterías de datos sobre las personas que habitan esos espacios.
Para Luc Anselin et. al. (2000) los hotspots descubiertos por la teoría de los
patrones criminales, son el principal ejemplo del valor potencial de la consideración
del espacio en el análisis del crimen. De igual manera, marca como crucial una
cuidadosa identificación de los hotspots y sobre todo un análisis
metodológicamente sólido para establecer si estos tienen vínculos significativos con
el crimen, ya que apunta que en el caso que no los tuvieran, eso implicaría que las
características de los lugares no se relacionan con el crimen, por lo que políticas
de reducción criminal que se basan en el ataque a dichas características (como un
espacio urbano descuidado), serían ineficaces.
34
A su vez, estudios hechos bajo este enfoque, han llegado a resultados
interesantes, como la relación entre el uso del suelo, las características de la
población y las concentraciones criminales; la relación entre condiciones de un
entorno urbano deteriorado y el crimen; y la transformación de hotspots de
crímenes menores a hotspots de crímenes más graves. (Anselin et. al., 2000).
Actualmente, gracias a los avances tecnológicos en computación y los Sistemas
de Información Geográfica (GIS, por sus siglas en inglés)17, el enfoque de los
hotspots es una herramienta usual, tanto para investigadores del crimen, como para
autoridades y cuerpos policiacos que utilizan este enfoque para prevenir y atacar el
crimen, además, el acceso a este tipo de mapas por parte del público, brinda a la
comunidad la oportunidad de aumentar la cooperación, empoderando a los vecinos
para que mediante esa información puedan emprender esfuerzos más efectivos
para prevenir el crimen (Weisburd y McEwen, 1998).
Sucintamente, se reconoce que la teoría de los patrones criminales ha hecho
importantes aportaciones al estudio del crimen, no obstante, se torna más útil como
una herramienta para describir el fenómeno, que como una teoría que pueda
explicar de una forma completa y consistente el delito. De igual forma, no se debe
de descartar la utilidad de las regularidades empíricas que se han hallado en
estudios realizados utilizando este marco teórico.
En general, los enfoques ecológicos o espaciales que se presentaron en este
apartado tienen la virtud de haber incluido el factor urbano en la discusión, bajo este
orden de ideas, autores como Weisburd, Maher y Sherman (1992) opinan que la
mayor cualidad de las teorías vistas en este apartado es el haber cambiado la
unidad de análisis de personas a lugares18. Por lo que este tipo de teorías hacen
que se tome en cuenta las condiciones del entorno urbano y su influencia en el
17 Los avances tecnológicos, principalmente en cuanto a la capacidad de las computadoras, son fundamentales
para que se hayan podido dar los adelantos analíticos recientes en los métodos de análisis geográfico de datos
criminales. De igual forma, la llegada de software de GIS ha sido crucial para poder medir y representar las
relaciones espaciales de los datos. 18 Los autores (Weisburd et. al., 1992) específicamente hablan de la teoría de la desorganización social y la
teoría de los patrones criminales, ya que como se ha expuesto, la teoría de las actividades rutinarias tiene como
unidad de análisis al individuo.
35
crimen, factor que tiende a que las autoridades, apliquen políticas de ataque a la
inseguridad que impliquen el mejoramiento de los espacios públicos.
No obstante, la principal crítica al enfoque espacial es el ser considerado
“ateórico, ingenuo, e ignorante de las "causas profundas" de la delincuencia”
(Wortley y Tilley, 2014: 5171), cuestión que se debería de matizar ya que trabajos
como el de Shaw y Mckay (1942) tratan de ampliar el espectro de análisis, mientras
que la teoría de las actividades rutinarias y la teoría de los patrones criminales,
ciertamente tienen una tendencia a sintetizar el fenómeno, cuestión que la presente
investigación debate, partiendo del supuesto de que un fenómeno complejo como
el crimen, no debe de ser simplificado, al contrario, se debe de indagar en las
“causas profundas”, las cuales esta tesis argumenta que se encuentran en la
estructura socioeconómica de la sociedad, sin descartar la influencia del espacio
urbano en el problema, pero no como la única variable determinante.
1.5 Posicionamiento teórico
Finalmente, tras haber expuesto la gama de enfoques que tratan el tema del
crimen y la economía, se considera que ninguna de las teorías revisadas puede
explicar de manera robusta el fenómeno del crimen.
Por tal motivo, se ha decidido que la investigación no tomará solamente una
teoría como directriz, sino que, complementará distintas teorías con la finalidad de
lograr una sinergia que dé como resultado una mejor y más profunda explicación
del tema.
Bajo esta tónica, el siguiente capítulo analizará los hechos estilizados del crimen
rigiéndose bajo el conjunto de conceptos provenientes de la teoría de la
desorganización social, este posicionamiento teórico tiene tres ventajas
fundamentales:
36
1) La forma en que relaciona el fenómeno criminal con el entorno, hecho que
sustenta un análisis espacial de la criminalidad;
2) El supuesto de que desiguales condiciones socioeconómicas y urbanas
pueden generar distintas tasas criminales;
3) El uso de tres grupos de variables para analizar el fenómeno: de estatus
socioeconómico, de estatus físico o espacial, y de estatus poblacional.
Por su parte, el capítulo tres retomará los hallazgos hechos en el capítulo dos
bajo la teoría de la desorganización social y los complementará por medio de un
modelo de simulación computacional en el que se empleará la teoría de la anomia
social, esto gracias a la capacidad de dicha teoría para explicar el comportamiento
individual mediante la influencia de la estructura social, cultural y económica en las
personas. Adicionalmente se incluirán algunos conceptos de la teoría de las
actividades rutinarias vinculados con la forma en que esta concibe la influencia del
tiempo y el espacio en el crimen, específicamente el que dicta que el delito se
alimenta de la estructura espacio-temporal de las actividades legales.
Finalmente, queda mencionar que se espera que las tres teorías seleccionadas
como fundamento para examinar los datos, sean más potentes y brinden hallazgos
más significativos de los que se encontrarían mediante el uso individual de cada
una de ellas.
37
Capítulo 2. Análisis Exploratorio de la criminalidad y sus determinantes en la Zona Metropolitana del Valle de México
38
2.1 El crimen en México
El crimen en México se ha convertido en un tema recurrente en las últimas décadas,
para el año 2011 en el país se denunciaron 1,729,934 delitos del fuero común
(SESNSP, 2015a). Cabe destacar que estos son datos oficiales que se toman del
total de denuncias hechas en los ministerios públicos, no obstante, la Encuesta
Nacional de Victimización y Percepción sobre Seguridad Pública 201219 (INEGI,
2012) muestra que el 87.1% de los encuestados que fueron víctimas de algún delito,
no lo denunciaron20.
Adicionalmente, la encuesta anteriormente mencionada reporta que el 66.6% de
la población se siente insegura en su entidad federativa, siendo este el tema que
genera más preocupación en la población con un 57.2%, por encima de otros
tópicos como el desempleo (49.3%) y la pobreza (34.2%).
Asimismo, según esta misma fuente, más del sesenta por ciento de la población
aseguraron que dejaron de usar joyas y de permitir que sus hijos menores de edad
salieran de noche, por temor a ser víctimas de algún delito. Igualmente, más de la
mitad de la población contestó que dejó de salir de noche por la misma cuestión.
De igual manera, ante la pregunta sobre la tendencia de la seguridad pública en
el país, el 40.6% de los encuestados perciben que la situación seguirá igual,
mientras que el 31.6% piensan que las circunstancias empeorarán, contra un 23%
que creen que la tendencia mejorará.
Por su parte, en el año 2014 se cometieron en México 1,590,331 de delitos del
fuero común (SESNSP, 2015a) y 98, 05921 de delitos del fuero federal22 (SESNSP,
19 Que presenta encuestas realizadas en el año 2011. 20 Esto implica que las cifras del SESNSP que recaban las denuncias de delitos en los Ministerios Públicos, pueden estar sesgadas. 21 Cifra que también mejoró con respecto al último año disponible que fue para 2012 con 125, 305 delitos del
fuero federal (SESNSP, 2015b). 22 Los delitos del fuero federal son: contra la salud (narcotráfico), cometidos por servidores públicos,
ambientales, electorales, de derechos de autor, contra vías de comunicación, entre otros.
39
2015b). Sin embargo, el porcentaje de delitos que no se denuncian empeoró,
llegando al 89.2% (INEGI, 2015).
Respecto a la percepción de las personas sobre la seguridad, los porcentajes de
percepción de inseguridad subieron, pues el 73.2% de las personas declararon
sentirse inseguros en su entidad federativa, tema que sigue siendo el que más
preocupa a la población con un 58%.
Las cifras sobre las actividades que ha dejado de realizar la población por temor
a ser víctimas de algún delito se mantienen en los mismos rangos, adicionalmente,
el 77.6% de la población, se percibe como posible víctima de al menos un delito.
A la pregunta sobre la tendencia de la seguridad pública en el país se le añadió
una opción de respuesta más, por lo que los porcentajes fueron de la siguiente
manera: el 37% piensa que la situación empeorará, el 22% cree que la tendencia
mejorará, mientras que el 5.9% opinó que la tendencia seguirá igual de bien y el
31.1% dijo que las circunstancias seguirán igual de mal. En general, el porcentaje
de personas que cree que la situación empeorará aumentó, mientras que el
porcentaje de personas que creen que mejorará, disminuyó.
Esta baja perspectiva de mejoría concuerda con un ínfimo crecimiento económico
en los últimos años (con una tasa de crecimiento del PIB de 1.39 % en 2013 y 2.16%
en 2014), con una tasa de desempleo de 4.9% en 2014, aunada a una tasa de
informalidad de 27.4% (que concuerda con la participación del 23.7% de la
economía informal en el PIB) y una tasa de subocupación (personas que declararon
poder trabajar más horas de las que actualmente lo hacen) de 8.2%. En el ramo de
los salarios, los empleados de la industria manufacturera en 2014 recibieron en
promedio 2.8 dólares por hora, cifra muy por debajo de los 19.6 dólares por hora
que recibieron los trabajadores el mismo ramo en Estados Unidos e incluso de los
4.5 dólares por hora que recibieron los trabajadores manufactureros de Chile
(INEGI, 2016).
Adicionalmente al desempleo y las condiciones laborales precarias que dejan ver
las cifras anteriores, México presenta un problema de inequidad, al ser el país con
40
la brecha más alta entre el decil más rico y el más pobre, siendo de 29 a 1, es decir
que el 10% de la más rico de la población tiene en promedio 29 veces más ingreso
que el 10% más pobre, casi seis veces más que lo que tienen Dinamarca Islandia y
Eslovenia (5 a 1) y más del triple de la media de la OCDE que es de 9 a 1 (OCDE,
2014).
De tal forma que la inequidad, el desempleo, el bajo crecimiento económico y en
general la adversidad socioeconómica, convergen con las altas cifras de crímenes
en el país, sugiriendo una posible correlación entre estas variables.
2.2 El crimen en la Zona Metropolitana del Valle de México
En la Zona Metropolitana del Valle de México, periódicos (principalmente
amarillistas) dan cuenta sobre la violencia y la cantidad de crímenes que día a día
se vive en esta área conurbada.
Del total de delitos del fuero común denunciados a nivel nacional en 2011, el
13.49% se llevaron a cabo dentro de la Zona Metropolitana del Valle de México,
mientras que para el año 2014 esta cifra incrementó a 22.96%, es decir, casi se
duplicó la proporción de delitos dentro de esta área con respecto al total nacional
(SESNSP, 2015a). En este sentido, datos estimados por INEGI (2015), señalan que
la tasa de prevalencia delictiva23 para esta zona es de 43, 556, casi el doble que la
tasa nacional que se encuentra en 28, 224, presentándose como la zona
metropolitana con la tasa más alta.
Los principales delitos que se comenten en la Zona Metropolitana del Valle de
México son los siguientes.
23 “La tasa se calcula dividiendo el total de víctimas en la ciudad y/o área metropolitana entre la población de
18 años y más residente en esta, multiplicada por 100 000 habitantes” (INEGI, 2015).
41
2.1 Delitos más cometidos en la ZMVM en 2014
Fuente: Elaboración propia con base en INEGI, 2015.
De estos delitos, su totalidad entra en lo que se puede clasificar como “delitos
pecuniarios”, es decir, delitos en donde está involucrado el dinero. Es aquí cuando
toman relevancia las condiciones socioeconómicas de la zona, partiendo del
supuesto de que se recurre al delito, por no tener medios legales de conseguir una
vida digna.
Bajo este orden de idea los principales socioeconómicos para la ZMVM, en 2010
se comportaron de la siguiente forma: el 43% de la población se encuentra en
situación de pobreza; el coeficiente Gini para la zona se encontró en .40, lo cual
indica existencia de desigualdad en la ZMVM (recordando que entre más cercano a
cero, menos desigualdad existe); la población tuvo un ingreso promedio de 2,939
pesos; una tasa de desocupación promedio de 4.6% y una escolaridad promedio de
9.2 años (INEGI, 2010; CONAPO, 2010; CONEVAL, 2010).
Respecto a las conductas delictivas o antisociales más frecuentes en la ZMVM,
la distribución se puede observar en el cuadro 2.2. Estas conductas son una
muestra de la ruptura del tejido social que presenta esta área conurbada, pues
reflejan problemas sociales como el alcoholismo, la delincuencia en general, la
drogadicción y situaciones donde la gente se emplea en actividades ilícitas, ya sea
vendiendo los denominados artículos “pirata” o uniéndose a una banda con variados
propósitos, entre los cuales se encuentra el delinquir.
Tipo de delito Tasa de prevalencia
Robo o asalto en calle o transporte público 23 301
Robo total o parcial de vehículo 13 809
Extorsión 10 400
Robo en casa habitación 4 835
Fraude 4 524
42
Cuadro 2.2 Conductas delictivas o antisociales más frecuentes en la Zona Metropolitana del Valle de México en 2014
Conductas delictivas o antisociales más frecuentes Denuncia de las conductas24
Se consume alcohol en la calle 73.2
Existen robos o asaltos frecuentes 66.6
Se consume droga 65.1
Venta de productos pirata 46.8
Existe pandillerismo o bandas violentas 41.0
Fuente: Elaboración propia con base en INEGI, 2015.
Con respecto a la percepción de la inseguridad y la confianza en las instituciones,
la ENVIPE (INEGI, 2015) que muestra datos de 2014, indica que el 76.9% de los
encuestados en la Zona Metropolitana del Valle de México, percibe inseguridad en
su municipio o delegación.
En el cuadro 2.3 se puede apreciar el porcentaje de personas que han dejado de
realizar alguna actividad por cuestiones de inseguridad.
Cuadro 2.3 Actividades cotidianas que se han dejado de realizar por temor a ser víctima de algún delito en la Zona Metropolitana del Valle de México en 2014
Fuente: Elaboración propia con base en INEGI, 2015.
Los resultados resultan indicio del grado en el que la delincuencia se ha
convertido en algo cotidiano, que impacta de forma negativa en la forma de vida de
los habitantes de la ZMVM, pues cambia sus patrones de comportamiento, de
consumo y de recreación, condicionándolos y limitando actividades a las que como
24 Por cada 100 mil habitantes.
Actividad Porcentaje
Permitir que sus hijos menores de edad salieran 83.0
Usar joyas 81.9
Llevar dinero en efectivo 72.0
Salir de noche 63.2
Llevar tarjeta de crédito o débito 60.9
Salir a caminar 43.5
Tomar taxi 35.6
Salir a comer 32.7
Visitar parientes o amigos 30.8
Ir al estadio 29.7
43
ciudadano se tiene derecho, tales como el derecho de los niños a salir a jugar a la
calle, el de la recreación por parte de los adultos o de una simple caminata por la
ciudad. La inseguridad incluso ha limitado la interacción con familiares y amigos, lo
cual por sí mismo es grave.
Por último se presenta el nivel de confianza que los habitantes de la ZMVM tienen
con respecto a las instituciones de seguridad pública.
Cuadro 2.4 Porcentaje de personas que tiene poca o nada confianza en las autoridades de seguridad pública en la ZMVM en 2014
Fuente: Elaboración propia con base en INEGI, 2015.
Como se puede observar, los porcentajes de desconfianza en las instituciones
encargadas de velar por la seguridad de los ciudadanos, resaltan por ser altos, en
donde la policía preventiva municipal y la policía estatal, se pueden considerar
“reprobados” puesto que más de la mitad de la población de la ZMVM no confía en
ellos.
2.2.1 Estructura del crimen en la ZMVM
A pesar del sesgo en las fuentes estadísticas que la falta de denuncia implica, esta
investigación usará principalmente los datos provenientes de los Ministerios
Públicos (SESNSP, 2015a). En dichas estadísticas, el delito se clasifica en varios
tipos y, tal como es de suponerse, no todos los tipos de delitos se cometen con la
misma frecuencia. La figura 2.1 muestra que en el 2011 el delito que más se
denunció en la ZMVM fue el robo con un 46.37% del total, en segundo lugar se
encuentran delitos no definidos (24.07), y en tercer puesto los delitos patrimoniales
(delitos en donde se despoja y/o daña el patrimonio de los individuos) con un
11.73%.
Institución de Seguridad Pública Porcentaje
Policía Preventiva Municipal 68.1
Policía Estatal 66.5
Policía Federal 44.2
Ejército 20.8
Marina 15.0
44
Figura 2.1 Estructura del Delito en la ZMVM en 2011
Fuente: Elaboración propia con base en el SESNSP, 2015a.
Por tanto, se puede decir que entre el robo, los delitos patrimoniales y el
secuestro, el 58% de los delitos fueron cometidos buscando una retribución
económica, esto es, por razones pecuniarias. Mientras que los delitos violentos,
compuestos por amenazas, homicidios, lesiones, violación y otros sexuales,
representan el 19% del total de los delitos cometidos en la ZMVM durante el 2011.
2.2.2 Evolución temporal del crimen en la ZMVM
De igual forma, los crímenes presentan variaciones a lo largo del tiempo donde se
puede apreciar que según las cifras oficiales de denuncia en Ministerios Públicos,
el crimen ha ido disminuyendo paulatinamente y los crímenes pecuniarios han
prevalecido como los de mayor proporción. A continuación se presenta la evolución
del crimen en el periodo de tiempo de 2011 a 201525 (Figura 2.2),
25 Aunque la delimitación temporal de la investigación es 2010-2011 (pues el único periodo de tiempo para el
que hay datos socioeconómicos y urbanos municipales), se creyó adecuado mostrar cómo se ha comportado el
crimen en los últimos años, recordando que los años que se muestran son los únicos disponibles ya que el
SESNSP los proporciona a nivel municipal a partir del 2011.
45
Figura 2.2 Evolución Temporal del Delito en la ZMVM 2011-2015
Fuente: Elaboración propia con base en el SESNSP, 2015a.
No obstante, hay que recordar que en estas cifras existe sesgo, dada la falta de
denuncia que hay en la ZMVM, donde aproximadamente sólo se denuncian 8 de
cada 100 delitos (INEGI, 2015), de tal forma que la disminución del crimen que se
observa puede ser producida por una reducción real en el delito o por un descenso
en las denuncias de los delitos.
2.2.3 Pertinencia del análisis exploratorio del crimen
Como se ha observado hasta este punto, los delitos pecuniarios representan más
de la mitad de los delitos totales en la Zona Metropolitana del Valle de México, razón
por la cual es válido pensar que hay cierta relación entre las condiciones
socioeconómicas del área y el número de delitos que se cometen.
Por tal motivo, se realizará un Análisis Exploratorio de Datos Espaciales (ESDA,
por sus siglas en inglés) para poder encontrar patrones espaciales del crimen,
demostrar que no se distribuye aleatoriamente en el espacio y en algunos casos,
relacionarlo con la estructura socioeconómica de esos lugares26.
26 Durante las últimas décadas se han hecho gran cantidad de ESDAs que han probado ser eficientes para
analizar el crimen en ciudades y zonas metropolitanas de distintas partes del mundo. Por ejemplo Brasil
0
100,000
200,000
300,000
400,000
500,000
2011 2012 2013 2014 2015
233,414 220,807 218,997 201,240 174995
75,430 70,705 72,198 69,00754752
92,762 102,668 99,28094,406
89676
Nú
me
ro d
e d
elit
os
de
nu
nci
ado
s
Pecuniarios Violentos Otros
46
2.3 Análisis exploratorio del crimen
Retomando el capítulo previo, al hablar del por qué la personas delinquen surgen
distintas teorías desde distintos enfoques. La presente investigación, parte del
supuesto de que el crimen y los factores económicos se relacionan, no obstante, se
reconoce que no es el único elemento que interviene, pues, como afirman Shaw y
Mckay (1942) el crimen está determinado por la ecología regional, es decir, las
características generales de la estructura social (factores socioeconómicos,
espaciales y poblacionales) influyen en la acción individual del delito. A continuación
se muestra un esquema del proceso mediante el cual los autores explican el crimen
partiendo de ciertas características socioeconómicas, espaciales y poblacionales.
Figura 2.3 Teoría de la Desorganización Social
Fuente: Elaboración propia con base en documentos de la investigación.
Para comprobar lo anterior, se hará un ESDA del crimen que incluye un análisis
de Indicadores Locales de Asociación Espacial (LISA por sus siglas en inglés) y un
modelo espacial de regresión para conocer las variables socioeconómicas y
urbanas que influyen en los delitos cometidos en la Zona Metropolitana del Valle de
México.
(Almeida, et al., 2003), Alemania (Messner, et al., 2013), Italia (Cracolici y Uberti, 2009), Malasia (Zakaria y
Ranhman, 2015), entre otros.
- Desventaja Socioeconómica
-Disfunción Familiar
-Espacio Urbano
- Movilidad Residencial
-Estructura Poblacional
-Heterogeneidad Racial
-Jóvenes sin supervisión y falta de
transmisión de valores
-Entorno desfavorable que aumenta la
propensión al crimen
Crimen
Variable
Socioeconómica
Variable Espacial
Variable Poblacional
47
2.3.1 Datos y metodología
Los datos que se presentan tienen un nivel de desagregación municipal para el área
geográfica denominada por el Consejo Nacional de Población (CONAPO, 2010),
Zona Metropolitana del Valle de México, la cual se encuentra en la zona centro del
país y se compone por las 16 delegaciones del Distrito Federal, 59 municipios del
Estado de México y 1 de Hidalgo, lo que da un total de 76 entidades27.
La información sobre criminalidad se recabó del Secretariado Ejecutivo del
Sistema Nacional de Seguridad Pública (2015a), quien contabiliza el número de
delitos que se denuncian en los Ministerios Públicos del país. La información que
se utilizó para esta sección fue sólo para las unidades geográficas de la ZMVM en
el año 2011.
Las variables socioeconómicas son una batería de datos recuperados de
distintas fuentes, el componente económico se forma por una medida de
desigualdad del ingreso y la tasa de desocupación, mientras que para la parte social
se agregó una medida de disfunción familiar.
Para medir la desventaja socioeconómica28 se utilizó el “Coeficiente de Gini”,
medida de desigualdad que calcula la superficie entre la curva de Lorenz
(distribución del ingreso entre la población) y la línea hipotética de equidad absoluta,
por lo tanto un valor de 0 en esta variable significa equidistribución del ingreso y 1
es desigualdad completa; de igual forma se usó la variable “razón ingreso” que es
el cociente entre el ingreso promedio de la población no pobre entre el promedio del
ingreso de la población en pobreza extrema, donde en un escenario en el que estos
dos sectores tengan el mismo ingreso (equidistribución) el valor de la variable será
1 y viceversa (es decir, se interpreta de forma contraria que el coeficiente de Gini);
27 Véase el Anexo 1 para conocer la información estadística básica de las variables. 28 Aunque autores como Cancino, et al. (2007) y Mares (2010) elaboran índices socioeconómicos ponderados
para evaluar dicha desventaja, esta investigación manejará las variables por separado, tal como lo hacen Vilalta
y Muggah (2016).
48
aunada a estas dos variables, está la “tasa de desocupación municipal”, la cual se
construyó mediante la división de las personas desocupadas entre la Población
Económicamente Activa (PEA).
La variable proxy elegida para medir disfunción familiar fue la “participación en el
Total de la ZMVM de hogares con jefa de familia” (Roncek and Maier, 1991; Smith,
Frazee, et al., 2000; Andressen, 2006), bajo el supuesto de la dificultad de la
transmisión de valores dentro de esta estructura familiar, en un contexto donde los
salarios bajos y las largas jornadas laborales a las que son sometidas gran
porcentaje de mujeres, impide la convivencia/supervisión con sus hijos,
aumentando la propensión de que sean influidos negativamente por su entorno.
Por su lado, el factor espacial y poblacional29 se evaluará con variables que lo
conglomeran, como el “grado de urbanización” que es el porcentaje de población
urbana dentro del municipio, tomando como población urbana a toda aquella que
vive en una localidad de 15,000 habitantes o más; y la “densidad urbana”30 que es
el número de personas que por kilómetro de cada municipio31.
Para un mejor análisis del fenómeno, los datos de los delitos fueron clasificados
en dos categorías: Delitos Pecuniarios (robo, secuestro y delitos patrimoniales) y
Delitos Violentos (violación, homicidios, lesiones, amenazas y otros sexuales).
29 Respecto a las variables espaciales y poblacionales se deben de hacer tres aclaraciones, la primera es que los
estudios de Desorganización Social usualmente se realizan a un nivel de desagregación de manzana,
lamentablemente, los datos disponibles para esta investigación son a nivel municipal, razón por la cual,
variables como la movilidad residencial y el espacio urbano, dejan de ser relevantes a ese nivel de agregación
; segundo, la variable de heterogeneidad racial será descartada, ya que, a diferencia de Estados Unidos (lugar
donde surge la Teoría de la Desorganización Social), en el contexto mexicano los porcentajes de razas no son
relevantes para el fenómeno; finalmente, estructura poblacional en versiones preliminares de esta investigación
se había definido como la “Participación en el Total de la ZMVM de Hombres de 15-59 años”, no obstante fue
retirada al no salir significativa en los modelos de regresión y por ser considerada como fuente de sesgo, ya que
se podría interpretar como un supuesto de que sólo los hombres cometen delitos. 30 Las variables socioeconómicas, espaciales y poblacionales fueron construidas con el Censo de Población y
Vivienda (INEGI, 2010), excepto el coeficiente de Gini y la razón ingreso, recuperadas de CONEVAL, 2010. 31 Esta variable puede tener valores negativos ya que en el total de población municipal, INEGI (2010) no cuenta
las localidades de 1 o 2 viviendas, por lo que municipios que no tienen localidades urbanas y además cuentan
con localidades de 1 o 2 viviendas, tendrán un valor negativo.
49
2.3.2 Variables dependientes
Para ejemplificar espacialmente las variables dependientes, en primera instancia se
usará el enfoque de hotspots32, el cual consiste en localizar en un mapa los puntos
que tienen alta incidencia criminal, con el objetivo de visualmente identificar las
zonas “rojas” es decir, aquellas donde el problema del delito es más grave.
Para la elaboración de los mapas hotspots, se utilizó una técnica de interpolación
mediante un raster33 y un Sistema de Información Geográfica (GIS por sus siglas
en inglés), en donde los datos no están agrupados en intervalos iguales, dado que
no se comportan como una distribución normal y se podría sesgar el resultado.
En primera instancia, se muestra el mapa de hotspots para la variable delitos
pecuniarios (Figura 2.4), mapa donde se observan hotspots (áreas de color rojo) en
el noreste del Distrito Federal, siendo Ecatepec el municipio con mayor número de
delitos (23,942) con una participación de 10% en el total de crímenes pecuniarios
cometidos en la ZMVM durante el año 2011.
A su vez, el hotspot de delitos pecuniarios que está conformado por 8
demarcaciones concentra el 49% del total de delitos de esta clase en la ZMVM, es
decir, casi la mitad del crimen cometido en esta área metropolitana, sucede en el
noreste del Distrito Federal y municipios vecinos del Estado de México.
Contrario a lo anterior, se pueden visualizar coldspots (agrupaciones de
demarcaciones con un número de delitos bajo, representadas por colores azules) a
lo largo de toda la periferia de la ZMVM correspondiente a municipios del Estado de
México e Hidalgo.
32 Eck et al (2005) definen hotspot como un área donde se concentra el crimen. 33 Matriz de pixeles o puntos de color.
50
Figura 2.4 Hotspots de Delitos Pecuniarios 2011 en la ZMVM
Fuente: Elaboración propia con base en el SESNSP, 2015a.
Por su parte, los delitos violentos (Figura 2.5) se distribuyen de forma distinta34,
la delegación Cuauhtémoc fue el lugar donde se cometieron más delitos violentos
(6,446) con una participación del 8.5% en el total de la ZMVM, seguido por Ecatepec
con 7,714 delitos violentos cometidos en esa municipalidad.
34 Esto concuerda con lo que encontraron Cracolici y Uberti (2009) en las provincias Italianas, al explorar
geográficamente distintos tipos de crímenes (asesinatos, robos, fraudes y extorsiones) y hallar que sus
distribuciones espaciales son diferentes.
51
El hotspot de crímenes violentos, compuesto por 6 demarcaciones, concentró el
39% del total de la ZMVM de crímenes de este tipo con coldspots en el área
periférica de la ZMVM.
Figura 2.5 Hotspots de Delitos Violentos 2011 en la ZMVM
Fuente: Elaboración propia con base en el SESNSP, 2015a.
Los mapas anteriores comprueban la hipótesis de que los crímenes no se
distribuyen de forma aleatoria en el espacio, por lo que se pueden identificar
patrones espaciales (hotspots y coldspots) siendo congruente con los hallazgos de
Almeida, et al. (2003); Messner, et al. (2013); Cracolici y Uberti (2009); Zakaria y
Ranhman (2015).
52
2.3.3 Variables independientes
Asimismo, las variables independientes propuestas muestran una concentración de
valores altos35 en zonas similares a los hotspots del crimen, lo cual visualmente
sugiere una correlación entre estas variables y el fenómeno estudiado (Figura 2.6).
En el primer y segundo panel se perciben problemas de distribución del ingreso
tanto en el Coeficiente de Gini, que muestra desigualdad principalmente en el
suroeste de la ZMVM, presentando como atípicos altos a Cuajimalpa, Huixquilucan
y Ecatzingo; como en la variable razón ingreso36, que también arroja desigualdad
en el suroeste de la ZMVM, pero con atípicos altos en Cuajimalpa, Miguel Hidalgo,
Coyoacán y Benito Juárez.
Por su parte, demarcaciones del norte del DF y sus alrededores, presentan
problemas de altas tasas de desempleo, con datos atípicos altos en la periferia (Villa
del Carbón, Tepetlixpa y Tequizquiac).
El componente social, medido con una proxy de desintegración familiar definida
por la participación en la ZMVM de hogares con jefa de familia muestra que los
lugares que más participan en el total de hogares con jefa de familia son: Iztapalapa,
Ecatepec, Gustavo A. Madero y Nezahualcóyotl.
En los paneles inferiores se encuentra la parte espacial/urbana, el grado de
urbanización de los municipios, muestra una urbanización alta desde el centro hacia
el noreste del DF y municipios aledaños del Estado de México, mientras que la
densidad urbana presenta valores altos en zonas similares al grado de urbanización
35 Para las variables que se distribuyen como una normal se utilizó un mapa de desviaciones estándar (atípicos
definidos desde la media), mientras que las variables que no cumplen con esta condición fueron mapeadas con
un boxmap (atípicos definidos desde la mediana). 36 Los colores de la variable razón ingreso fueron invertidos (recordando que se interpreta en el sentido
contrario que el coeficiente de Gini) para que fueran congruentes con la lógica que colores rojos para atípicos
altos y azules para atípicos bajos.
53
pero con atípicos altos en Cuauhtémoc, Benito Juárez, Iztacalco, Iztapalapa y
Nezahualcóyotl, zona coincidente con los hotspots criminales antes presentados.
Figura 2.6 Condiciones Socioeconómicas, Urbanas y Poblacionales
de la ZMVM 2010
Fuente: Elaboración propia con base en INEGI 2010; CONEVAL 2010.
54
2.3.4 Análisis LISA
Después de haber explorado espacialmente las variables dependientes e
independientes de forma individual, se hará un análisis de indicadores locales de
asociación espacial (LISA) para la variable de delitos pecuniarios37, con el objetivo
de verificar la significancia de los clústers encontrados mediante la herramienta de
los hotspots (Figura 2.4).
Posteriormente se correlacionarán las variables independientes con la variable
dependiente de Delitos Pecuniarios. Para este fin se utilizará un análisis LISA
bivariado para identificar clústers. Este análisis consiste en el mapeo de un Moran
bivariado en donde se presentarán los clústers de valores altos/bajos de los delitos
pecuniarios (variable dependiente) que están rodeados por valores altos/bajos de
las variables independientes (Figura 2.6)
La evaluación de la significancia de los hotspots es relevante dado que autores
como Ratcliffe (2010) identifican la presencia de lo que llaman el “dilema del
denominador” lo cual a grandes rasgos es el problema que el dinamismo diario de
las ciudades presenta al momento de evaluar el crimen. Esto parte del supuesto
que entre más gente se encuentre en un lugar, más víctimas probables tendrán los
delincuentes y la dificultad de saber cuál es la cantidad de personas que se
encuentran en el polígono a determinada hora.
Para casos como el de la presente investigación (datos de población residencial
provenientes de censos), Ratcliffe (2010) afirma que la mejor forma de superar el
“dilema del denominador” es mediante el uso de hotspots estadísticamente
significativos (asumiendo que al no tener la información del número de personas
exacto que hay en un polígono en determinado espacio de tiempo, se está
37 Hasta este punto se han mapeado los delitos pecuniarios y los delitos violentos con el objetivo de mostrar su
distinta distribución espacial, no obstante, el análisis LISA se enfocará solamente en los delitos pecuniarios,
puesto que como se verá más adelante en la sección de Modelos, las variables dependientes presentadas no
explican los delitos violentos.
55
trabajando con una muestra y no con el dato poblacional), siendo la herramienta de
significancia espacial más común, la variante local del Índice de Moran38.
El estadístico conocido como Índice de Moran Global es una asociación entre un
valor y un promedio ponderado de valores vecinos (rezago espacial),
matemáticamente tenemos lo siguiente:
𝐼 = 1
2 ∑ 𝑊𝑖𝑗𝑍𝑖𝑍𝑗 ∀ 𝑖 ≠ 𝑗
𝑖 𝑗
donde Wij es un vector de una matriz de pesos espaciales W que es cero para todos
los no vecinos y un valor normalizado por fila para todos los vecinos, de tal forma
que la suma de todos los vectores de una sola unidad espacial Wi, es uno, y Z es
una variable estandarizada para su análisis.
Derivado del Índice de Moran Global, se tiene que el Índice de Moran Local para
una observación i está definido como:
𝐼 𝑖 = ∑ 𝑊𝑖𝑗𝑍𝑗 ∀ 𝑗 ∈ 𝐽𝑖
𝑗
donde sólo los vecinos de i están incluidos en la sumatoria y donde Wij es igual a
cero39.
A su vez, la versión bivariada del Moran Local evalúa la correlación espacial entre
dos variables donde se relaciona el valor de la variable dependiente, con una
variable rezagada espacialmente. Matemáticamente:
38 Trabajos como Mencken y Barnett (1999), Messner y Anselin (2004) y Messner et al. (2013) son sólo algunos
ejemplos del uso del análisis LISA para evaluar el crimen. 39 Para ahondar en el tema véase Anselin 1995; 1996
56
𝐼𝑘𝑙𝑖 = 𝑍𝑘
𝑖 ∑ 𝑊𝑖𝑗𝑍𝑙𝑗
𝑗
donde Zk es una variable en un lugar i y Zj es el rezago espacial de la otra variable
(Anselin et al. 2002).
En este sentido, para las variables dependientes e independientes, los índices
de Moran (Cuadro 2.5) indican asociación espacial media (valores alrededor de
0.40) exceptuando la tasa de desocupación que presenta correlación espacial baja
y no significativa (a un nivel de significancia p < 0.01) y la densidad urbana, a la que
se le puede catalogar como un asociación espacial alta. Por lo tanto, se puede inferir
que los valores de las variables de las demarcaciones están influidos por los valores
de sus vecinos (excepto en el caso de la tasa de desocupación).
Cuadro 2.5 Índices de Moran Globales Univariados
Variable I Moran Moran Simulado
Probabilidad Valor Z
Delitos Pecuniarios 0.40 - 0.0133 0.001 8.97
Delitos Violentos 0.39 - 0.0133 0.001 7.92
Coeficiente Gini 0.43 - 0.0133 0.001 9.07
Razón Ingreso 0.44 - 0.0133 0.001 9.24
Tasa de Desocupación 0.05 - 0.0133 0.082 1.42
Part. Hogares con Jefa de Fam. 0.39 - 0.0133 0.001 8.77
Grado de Urbanización 0.40 - 0.0133 0.001 8.44
Densidad Urbana 0.62 - 0.0133 0.001 12.51
Fuente: Elaboración propia con base en INEGI 2010; CONEVAL 2010.
Ahora bien, dada la presencia de correlación espacial en la mayoría de las
variables, es conveniente evaluar la relación espacial entre los delitos pecuniarios y
las variables independientes presentadas, para tal fin a continuación se muestran
los valores del Índice de Moran Local Bivariado (Cuadro 2.6).
57
Cuadro 2.6 Índices de Moran Locales Bivariados
Variable Dependiente
Variable Retrasada
I Moran Moran Simulado
Probabilidad Valor Z
De
lito
s P
ecu
nia
rio
s Coeficiente Gini 0.26 - 0.0133 0.001 7.09 Razón Ingreso -0.30 - 0.0133 0.001 -8.16 Tasa de Desocupación40
0.08 - 0.0139 0.015 2.10
Part. Hogares con Jefa de Fam.
0.40 - 0.0133 0.001 8.83
Grado de Urbanización
0.37 - 0.0133 0.001 8.96
Densidad Urbana 0.51 - 0.0133 0.001 11.18
Fuente: Elaboración propia con base en INEGI 2010; CONEVAL 2010.
Los resultados del cuadro 2.6 muestra correlación espacial alta para la densidad
urbana, moderada para los retrasos espaciales de las variables de participación de
hogares con jefa de familia, grado de urbanización; mientras que el coeficiente de
Gini y la razón ingreso41 tienen una correlación un poco más baja; por su parte, la
tasa de desocupación, prácticamente no muestra correlación espacial.
Una vez explorada la asociación espacial, con el objetivo de identificar clústers
criminales significativos, en la figura 2.7 se presenta la distribución geográfica de
los indicadores locales de asociación espacial (LISA) de los delitos pecuniarios, en
donde el área roja se puede interpretar como una zona con problemas de crimen,
ya que la evaluación del Índice de Moran Local indica un clúster significativo de
polígonos que cuentan con un alto número de crímenes pecuniarios y cuyos vecinos
también tienen un alto número de crímenes de este tipo (Alto-Alto).
40 Variable sin atípicos. 41 El índice de Moran para esta variable es negativo dado que está invertida, es decir, a diferencia del
coeficiente de Gini, 1 significa equidistribución y 0 desigualdad completa.
58
Figura 2.7 Clústers significativos de delitos pecuniarios
Fuente: Elaboración propia con base en SESNSP 2015a.
59
A diferencia del mapa de hotspots presentado con anterioridad (Figura 2.4) donde
el hotspot agrupa ocho polígonos, la inferencia estadística del análisis LISA
univarido (Figura 2.7), incluye 16 polígonos en la zona problemática (Clúster Alto-
Alto).
En la figura 2.7 además se puede identificar una zona de transición (Clúster Bajo-
Alto), es decir, polígonos que por su ubicación, corren el riesgo de que sus niveles
de delitos pecuniarios aumenten, pues aunque actualmente hay pocos delitos en
esas demarcaciones, los polígonos que las rodean se caracterizan por un alto
número de crímenes, por lo que se puede dar un fenómeno de contagio y/o
expansión del hotspot criminal. Las jurisdicciones que se encuentran en esta
situación son La Paz, Magdalena Contreras y Cuajimalpa.
Por su parte, 19 municipalidades se encuentran dentro de alguno de los tres
coldspots significativos (Clúster Bajo-Bajo) ubicados en zonas periféricas de la
ZMVM. El municipio de Chalco destaca como un valor Alto-Bajo, es decir, un
municipio con alto crimen pecuniario rodeado por municipios con bajo número de
delitos pecuniarios. Mientras que de los 37 municipios restantes, no se puede
realizar inferencia estadística (no significativos).
Asimismo, en la figura 2.8 se encuentran Mapas de LISA Bivariados, donde por
polígono se asocia el valor de la variable dependiente, en este caso delitos
pecuniarios, con el promedio ponderado del valor de la variable independiente.
El mapa que relaciona los delitos pecuniarios con el coeficiente de Gini muestra
un clúster significativo alto-alto, en donde se agrupan datos de crimen pecuniario
altos, rodeados por áreas con alta desigualdad. De las 12 demarcaciones en esta
situación, 11 también se encuentran en el área con problemas de crimen definida
por la figura 2.7. Adicionalmente el área de transición (clúster bajo-alto) muestra
cuatro polígonos con bajos niveles de crimen, rodeados por zonas con alta
desigualdad, lo cual con el tiempo podría aumentar sus crímenes pecuniarios:
60
Cuajimalpa, Magdalena Contreras (también resaltados en este sentido por la Figura
2.7), Jilotzingo y Huixquilucan.
Figura 2.8 Análisis de Clústers: Delitos Pecuniarios con Variables Independientes
Fuente: Elaboración propia con base en INEGI 2010; CONEVAL 2010.
61
El mapa correspondiente a la relación de razón ingreso y los delitos pecuniarios
(segundo panel de la figura 2.8) se lee de forma distinta ya que los valores bajos de
la variable razón ingreso significan alta desigualdad, por tal razón, el clúster que
relaciona altas tasas de criminalidad rodeadas de altos niveles de desigualdad, en
este caso es el clúster alto-bajo (color rojo claro), mientras que la zona de transición
(baja criminalidad rodeada de alta desigualad) es el clúster bajo-bajo (color azul
fuerte). En este sentido, los clústers son casi idénticos a al área problemática y la
zona de transición del BiLISA de delitos pecuniarios con coeficiente Gini.
En el caso de los delitos pecuniarios relacionados con la tasa de desocupación
(sin tres outlayers altos de la variable independiente: Villa del Carbón, Tepetlixpa y
Tequizquiac), solo son significativas dos entidades con alto número de crímenes
rodeadas por entidades con altas tasas de desocupación: Atizapán de Zaragoza y
Tlanepantla de Baz.
Por su parte, el mapa clúster de delitos pecuniarios y la participación de hogares
con jefa de familia en el total de la ZMVM, muestra clústers muy similares a los de
la figura 2.6 (los clústers alto-alto de ambas figuras coinciden en un 94%), por lo
que se puede inferir que el crimen y esta proxy de ruptura del tejido social, tienen
relación. Lo mismo sucede con el mapa clúster de delitos pecuniarios y el grado de
urbanización, cuyo clúster alto-alto coincide en un 84% con el mapa clúster
univariado de delitos pecuniarios (Figura 2.6), con un área de transición (clúster
bajo-alto) también similar por lo que también se infiere una alta relación del crimen
y el grado de urbanización.
Finalmente, el LISA bivariado de delitos pecuniarios y densidad urbana muestra
un clúster alto-alto idéntico al de la figura 2.6 comprobando la relación entre el
crimen y la densidad urbana. Además muestra zonas de transición en los municipios
Chimalhuacán, La Paz y Tláhuac.
62
2.3.5 Modelo
Para los modelos, las variables dependientes fueron transformadas a logaritmos
(log10)42 y se retiraron 3 outlayers altos provenientes de la tasa de desocupación
que se encuentran en la periferia de la ZMVM (Villa del Carbón, Tepetlixpa y
Tequizquiac). Tal como propone Luc Anselin y Sergio Rey (2014), después de
explorar espacialmente las variables, se prosiguió con la estimación de un modelo
de Mínimos Cuadrados Ordinarios (MCO), tanto para el logaritmo de crímenes
pecuniarios (Modelo 1) como para el logaritmo de crímenes violentos (Modelo 2),
los cuales se pueden observar en el cuadro 2.7.
Cabe destacar que para evitar muticolinealidad (situación en la que existe una
fuerte correlación entre las variables explicativas en el modelo) no se agregaron
todas las variables al modelo, pues las variables de coeficiente de Gini y razón
ingreso, así como el grado de urbanización y la densidad urbana miden fenómenos
similares de forma distinta. Razón por la cual, de estas variables sólo se agregaron
dos al modelo (coeficiente de Gini y densidad urbana).
El modelo MCO para los delitos pecuniarios (Modelo 1) muestra que las variables
socioeconómicas y urbanas son significativas para el fenómeno, se muestra una R2
ajustada alta, una multicolinealidad aceptable y pasa las pruebas de
heteroscedasticidad y normalidad. Adicionalmente muestra autocorrelación
espacial (Moran de los errores), proponiendo un modelo de error espacial para
corregirlo con un Multiplicador de Lagrange (error) de 4.37 significativo al 1%, contra
un Multiplicador de Lagrange (retraso) de 3.02 no significativo, con lo que se
rechaza un modelo de retraso espacial y se acepta uno de error espacial.
Por el contrario, en el MCO para el logaritmo de delitos violentos, el coeficiente
de Gini deja de ser significativo al 1%, y el modelo no pasa la prueba de normalidad,
42 Esta transformación dado que los datos en niveles no se comportaban como una distribución normal, hecho
que fue corregido con los logaritmos base 10.
63
al igual que el caso anterior se detecta presencia de autocorrelación espacial con
un Multiplicador de Lagrange (error) de 2.46 no significativo (con un Robusto de
1.16 no significativo), contra un Multiplicador de Lagrange (retraso) de 1.29 no
significativo (con un Robusto de 0.0), por lo que basados en el valor de los
estadísticos, también se adoptará un modelo de error espacial.
Cuadro 2.7 Modelos MCO
Variable Coeficiente Pruebas
Modelo 1 Delitos Pecuniarios Constante -1.857** R2 ajustada .724 GINI 7.602*** Multicolinealidad 37.1 Tasa de Desocupación 0.245*** Jarque Bera 5.14* Participación HJF 0.170*** Breusch Pagan 4.42~ Densidad Urbana 6.3e-05*** I Moran (error) 2.90*** Modelo 2 Delitos Violentos Constante -0.509~ R2 ajustada .633 GINI 4.305** Multicolinealidad 37.1 Tasa de Desocupación 0.184*** Jarque Bera 30.6*** Participación HJF 0.172*** Breusch Pagan 6.12~ Densidad Urbana 4.7e-05** I Moran (error) _2.32**
~ No significativo *Significativo al 10% **Significativo al 5% ***Significativo al 1%
Elaboración propia con base en INEGI (2010), CONEVAL (2010) y SESNSP (2015a).
Tal como los resultados lo sugirieron, se elaboraron modelos de error espacial
para ambos casos (Cuadro 2.8), en el primer caso (Modelo 3) con el logaritmo de
delitos pecuniarios como variable dependiente, la Lambda fue de 0.519 y
significativa, lo que significa que variables de los vecinos que no están definidas en
el modelo, también determinan el crimen. Dichas causas no definidas en el modelo,
según las diversas teorías de la criminología, pueden estar relacionadas con la falta
de supresores del crimen (policías), poca cohesión social, la disuasión que genera
la eficiencia o ineficiencia del sistema judicial, la frustración de los individuos,
mecanismos de control social debilitados, alcoholismo, militarismo, factores
psicológicos, factores genéticos, inmigración, uso de suelo, nivel de compromiso de
la población con los medios legítimos para obtener el éxito o según la teoría de la
desorganización social, que es la que a grandes rasgos ha servido como directriz
64
para este capítulo, un factor no contemplado concerniente específicamente a la
estructura poblacional o al espacio urbano.
Para el caso del logaritmo de delitos violentos (Modelo 4), todos los coeficientes
de las variables dependientes fueron significativos, incluyendo a Lambda, no
obstante, continúa sin pasar la prueba de normalidad (ya que el método de error
espacial no está diseñado para corregir problemas de normalidad), por lo que no se
puede afirmar que los resultados sean confiables, es decir, no se puede afirmar que
el índice de Gini, la tasa de desocupación, el grado de urbanización y la participación
en el total de la ZMVM de hogares con jefa de familia, expliquen los delitos violentos.
Cuadro 2.8 Modelos de Error Espacial
Variable Coeficiente Pruebas
Modelo 3 Delitos Pecuniarios Constante -2.551*** R2 .750
GINI 8.943*** Lambda 0.519***
Tasa de Desocupación 0.283***
Participación HJF 0.168*** Breusch Pagan 3.76~ Densidad Urbana 5.2e-05** Likelihood Ratio Test 4.90**
Modelo 4 Delitos Violentos
Constante -1.170~ R2 .675
GINI 5.553*** Lambda 0.442***
Tasa de Desocupación 0.221*** Participación HJF 0.173*** Breusch Pagan 6.03~
Densidad Urbana 3.8e-05* Likelihood Ratio Test _5.15**
~ No significativo *Significativo al 10% **Significativo al 5% ***Significativo al 1%
Elaboración propia con base en INEGI (2010) CONEVAL (2010) y SESNSP (2015).
Finalmente, queda destacar que en concordancia con Cancino et al. (2007) y
Mares (2010) la desventaja socioeconómica (compuesta en dichos trabajos por un
índice ponderados que consideran desigualdad, desempleo y porcentaje de
hogares con jefa de familia) fue significativa, por su parte en el estudio de Vilalta y
Muggah (2016) para la ZMVM el coeficiente Gini y los hogares con jefa de familia (
en porcentaje) también son significativos, no obstante los coeficientes muestran al
porcentaje de hogares con jefa de familia como el principal determinante del crimen,
mientras que en el presente estudio, lo es la desigualdad.
65
2.4 Síntesis
Como se pudo observar a lo largo del capítulo, el crimen es un problema relevante
en la Zona Metropolitana del Valle de México, no obstante, geográficamente el delito
no se distribuye de forma homogénea, ni todos los crímenes son iguales, es decir,
existe una tipología que divide al delito.
A pesar de la desventaja que la falta de denuncia del crimen produce, en esta
sección se utilizaron datos de delitos denunciados, con los cuales se elaboró un
análisis exploratorio de datos espaciales (ESDA), un análisis de indicadores locales
de asociación espacial (LISA) y un modelo de econometría espacial, con la finalidad
de evaluar los supuestos de la teoría de la Desorganización Social y la forma en
que esta determina al crimen, todo esto mediante el proceso que se relata a
continuación.
En primera instancia, para el manejo de los datos, estos fueron clasificados en
delitos pecuniarios (los que se cometen para obtener algún beneficio económico),
delitos violentos y otros delitos. Tras esta división se pudo observar que en 2011 los
delitos pecuniarios fueron los que más porcentaje abarcaron (58% de los cuales el
80% fueron robos, siendo este el delito más cometido en la ZMVM) en comparación
a los delitos violentos (19%) y otros delitos (23%), proporción que no presenta
grandes variaciones a lo largo del tiempo (2011-2015).
Una vez, divididos los delitos en pecuniarios y violentos estos se mapearon para
conocer su distribución espacial (por municipio), lo cual resulta en el descubrimiento
de hotspots criminales en la zona noreste del Distrito Federal, no obstante, la
distribución espacial de los delitos pecuniarios y los delitos violentos es ligeramente
distinta. Por lo tanto, se puede concluir que existen patrones espaciales de crimen
en la ZMVM y que estos patrones varían según el tipo de crimen.
Posteriormente se exploraron mediante el mapeo, datos atípicos para las
variables que posteriormente se relacionarían con el crimen. Las variables fueron
seleccionadas en concordancia con la teoría de la Desorganización social que a
66
grandes rasgos marca a la desventaja socioeconómica, el espacio y la estructura
poblacional como factores determinantes del crimen. Para medir la desventaja
socioeconómica se utilizaron dos medidas de desigualdad (coeficiente de Gini y
razón ingreso), la tasa de desempleo y la participación en el total de la ZMVM de
hogares con jefa de familia (esta como una proxy de disfunción familiar). Para medir
el factor urbano y poblacional se seleccionaron variables que mostraran al mismo
tiempo aspectos urbanos y poblacionales, las cuales fueron grado de urbanización
y densidad urbana
El análisis espacial de las variables en todos los casos presentó valores altos
concentrados en la misma área donde se habían encontrado hotspots criminales,
siendo las variables visualmente más relacionadas, la participación en el total de la
ZMVM de hogares con jefa de familia y la menos coincidente, la tasa de
desocupación.
Dado que visualmente las variables presentaron cierta correlación, se procedió
con el análisis LISA, con el objetivo de encontrar clústers de asociación espacial
estadísticamente significativos, para tal efecto, en principio se evaluó el Índice de
Moran univariado para las variables (dependientes e independientes), los resultados
mostraron que la mayoría de las variables tienen una correlación espacial media,
siendo la excepción la tasa de desocupación, que presentó una correlación espacial
baja y la densidad urbana que presentó una correlación espacial alta.
Ante esto, se continuó de dos formas, la primera, realizando un mapa de clústers
significativos para la variable de delitos pecuniarios, el cual, con base en la
inferencia estadística, mostró un clúster alto-alto (agrupación de polígonos con alto
nivel de delitos pecuniarios, rodeado por vecinos con alta cantidad de esta misma
variable) más amplio que el presentado en el mapa de hotspots, adicionalmente se
pudo identificar un área de transición (definida por el clúster bajo-alto, es decir
polígonos con baja cantidad de delitos pecuniarios rodeados por vecinos con alto
número de delitos pecuniarios) compuesta por tres polígonos que dada su situación
geográfica (rodeados de polígonos con alto número de crímenes), podrían estar en
peligro de que la cantidad de delitos pecuniarios que se cometen en su
67
demarcación, aumente. La segunda forma de proceder fue mediante la elaboración
de índices de Moran locales bivariados, donde se evaluaron las variables
independientes, con respecto a la variable dependiente de delitos pecuniarios,
donde la variable independiente con mayor correlación espacial con la dependiente
fue la densidad urbana, seguida por la participación en el total de la ZMVM de
hogares con jefa de familia, mientras que la menos correlacionada fue la tasa de
desocupación.
De igual forma, el mapeo del clúster bivariado de delitos pecuniarios con las
variables independientes, muestra grandes similitudes en la mayoría de las
variables (siendo la excepción la tasa de desocupación) tanto en el clúster alto-alto
como en el área de transición (clúster bajo-alto), siendo las variables más
coincidentes, la participación en el total de la ZMVM de hogares con jefa de familia
la participación en el total de la ZMVM de hogares con jefa de familia y la densidad
urbana (coincidencia exacta del clúster alto-alto con su símil de delitos pecuniarios).
Finalmente, se evaluaron las variables, en primera instancia mediante
econometría clásica, utilizando el método de mínimos cuadrados ordinarios,
relacionando las variables independientes antes mencionadas con las variables
dependientes (delitos pecuniarios y delitos violentos) transformadas
logarítmicamente.
El modelo del logaritmo de delitos pecuniarios arrojó significancia para todas las
variables y las pruebas, sin embargo el logaritmo de delitos violentos no pasó la
prueba de normalidad, dado que ambos modelos presentaron autocorrelación
espacial, se utilizó la econometría espacial mediante modelos de error espacial, en
donde los para ambos casos el modelo resultó significativo, sin embargo, al no
haber pasado las pruebas de normalidad, el modelo de crímenes violentos no
resulta confiable.
De los modelos se pueden sacar dos conclusiones, la primera, que las variables
independientes propuestas son capaces de explicar los delitos pecuniarios, no
obstante, no se puede afirmar lo mismo con los delitos violentos, por lo que se
68
tendría que ahondar más en los determinantes de la violencia (lo que se puede
hacer incluso otros enfoques como el genético, psicológico, social, etc.), cosa que
no se hará en esta investigación. La segunda, es la interpretación del modelo final
para el logaritmo de delitos pecuniarios, donde la variable con el coeficiente más
alto fue el coeficiente de Gini, el cual mide desigualdad, seguida por la tasa de
desocupación y la participación en el total de la ZMVM de hogares con jefa de
familia, lo cual indica que el factor socioeconómico es determinante del crimen
pecuniario, por su parte, la densidad urbana aunque tiene un coeficiente muy bajo,
al ser significativa también se puede incluir dentro de los determinantes del crimen.
Adicionalmente, al ser un modelo de error, se interpreta que el delito también está
explicado por variables de los vecinos no incluidas en el modelo, lo cual según la
teoría de la desorganización social, puede estar relacionado con variables de mejor
calidad de las que contó esta investigación para la estructura poblacional y el
entorno urbano.
En conclusión, se puede decir que los delitos pecuniarios y los delitos violentos
deben de ser tratados y explicados de forma distinta. Por su parte los resultados
obtenidos para los delitos pecuniarios concuerdan con la teoría de la
Desorganización Social y su explicación del crimen desde la desventaja
socioeconómica, el entorno urbano y la estructura poblacional (aunque se reconoce
que estos últimos dos factores no fueron corroborados de forma contundente en
este capítulo, no obstante, serán retomados en el próximo capítulo para hacer el
análisis más robusto).
69
Capítulo 3. Modelo de contagio criminal en la Zona Metropolitana del Valle de México
70
3.1 Modelos basados en agentes
En el capítulo previo se realizó un modelo de error espacial para conocer la relación
entre variables socioeconómicas y urbanas con el fenómeno del crimen,
lamentablemente este tipo de modelación dice poco o nada sobre la dinámica del
problema, aunado a esto, los modelos de error espacial implican que la
especificación del modelo no contiene la totalidad de variables que explican el
fenómeno. Ese es el motivo por lo que el objetivo del presente capítulo es
complementar los resultados previos, de tal suerte que se pueda ampliar el
panorama explicativo del fenómeno y lograr una mayor comprensión de este.
La metodología seleccionada para complementar los resultados econométricos
previos fue la simulación computacional, se ha elegido este tipo de herramienta
porque aunque en el estudio de la economía es común la utilización de modelos de
tipo matemático, que representan los fenómenos económicos como una o más
ecuaciones, como se ha comentado previamente, estos modelos basados en
ecuaciones tienen limitaciones para capturar la naturaleza dinámica de la sociedad,
por lo que para tratar de subsanar esto, parten de ciertos supuestos (por ejemplo,
que los datos se distribuyen de forma similar a los de una distribución normal, la
homogeneidad, es decir, la existencia de un agente representativo, entre otros)
hecho que “obliga a los investigadores que adoptan este tipo de modelos a perder
cierto grado de realismo” (Boero, 2015: 4).
Para subsanar esta pérdida de realismo y gracias a los avances computacionales
que se han tenido en las últimas décadas, métodos de modelación dinámica, como
la simulación computacional, se presenten como una herramienta complementaria
a los métodos de análisis convencionales utilizados en la economía y las ciencias
sociales en general.
De entre las múltiples opciones de simulación computacional que existen
actualmente (autómatas celulares, modelos de microsimulación, sistemas
multiagente, modelos basados en agentes, entre otros), destacan por sus
71
características los Modelos Basados en Agentes (ABMs, por sus siglas en inglés),
los cuales se definen como:
“Un método computacional que permite al investigador crear, analizar y
experimentar con modelos compuestos por agentes que interactúan dentro de un
ambiente” (Gilbert, 2008: 2).
Tal como lo sugiere su nombre, el elemento central de estos modelos son los
agentes, mismos que pueden ser definidos de la siguiente manera:
“Los agentes son una parte del programa computacional usada para representar
actores sociales –personas individuales, organizaciones como empresas, o
entidades como países. Estos están programados para reaccionar ante el
ambiente computacional en el que se encuentran localizados, el cual es un modelo
del ambiente real en el que los actores sociales reales operan” (Gilbert, 2008: 5).
Adicionalmente Epstein (1999) enumera ciertas características que diferencian a
este tipo de modelos de los demás:
1) Heterogeneidad.- en este punto el autor destaca que los métodos de agentes
representativos usuales en la macroeconomía, no son utilizados en ABMs,
de igual manera, tampoco hay agentes agregados en unas cuantas
categorías homogéneas. Al contrario, las poblaciones de agentes son
diversas, es decir, los individuos pueden diferir en distintas formas
(culturales, económicas, sociales, por preferencias, por relaciones con otros
individuos), mismas que pueden cambiar o adaptarse endógenamente en el
transcurso del tiempo.
2) Autonomía.- En ABMs, no hay control central (“de arriba hacia abajo”) sobre
el comportamiento de los individuos. Aunque Epstein (1999) destaca que
usualmente las microestructuras se pueden retroalimentar de las
macroestructuras, por ejemplo, agentes condicionados por su entorno o por
normas sociales.
3) Espacio explícito.- Es el mundo virtual (usualmente espacios geográficos) en
el que los agentes interactúan, puede ser enteramente neutral, con efectos
72
pequeños o puede ser cuidadosamente construido con la finalidad de tener
gran influencia en los agentes (Gilbert, 2008).
4) Interacciones locales: El agente puede interactuar con otros agentes en su
mundo virtual y/o con el espacio. Epstein (1999) destaca que esta interacción
muchas veces está sujeta a la racionalidad limitada.
5) Racionalidad limitada: Se refiere a la existencia de información limitada y a
la capacidad de cómputo limitada. Como los agentes no cuentan con
información global y no se tiene una capacidad de cómputo infinita, se tiene
que hacer que los agentes ejecuten reglas simples basadas en información
local (esto incentiva al investigador a modelar los fenómenos desde sus
rasgos más relevantes) (Epstein, 1999).
En suma, la modelación basada en agentes es una herramienta computacional,
dónde un fenómeno es representado mediante agentes que interactúan entre sí43.
Como consecuencia de esto, surge una característica adicional de estos modelos,
pues a partir de interacciones de nivel particular, emergen fenómenos a nivel
macroestructural (sociedad), que no hubieran podido ser descubiertos con el
análisis individual de los agentes o bajo supuestos restrictivos como la existencia
de un agente representativo. Wilensky y Rand (2015: 6) destacan que este
fenómeno de emergencia es una característica de los sistemas complejos, y lo
definen como “el surgimiento de nuevas y coherentes estructuras, patrones y
propiedades a partir de interacciones de múltiples elementos distribuidos”.
Ahondando en lo anterior, Castañeda (2013) añade que la emergencia no sólo recae
en la interacción, sino que un factor igualmente importante es la retroalimentación,
es decir el intercambio de información que los agentes tienen al interactuar (la cual
no sólo puede unidireccional, sino que también bidireccional, es decir, puede existir
retroalimentación entre agentes) y la posterior adaptación que la nueva información
genera en el agente.
43 Cabe destacar que la interacción entre agentes no sólo puede ser por proximidad física, sino que también por pertenencia a algún grupo o por compartir información (Castañeda, 2013).
73
3.2 La criminalidad como fenómeno emergente
Partiendo de la definición anterior, el aumento del crimen puede ser visto como un
fenómeno emergente, dado que la interacción (intercambio de información ligada a
la proximidad física) de criminales e individuos susceptibles a criminalizarse44,
genera un fenómeno de contagio, transformando a los individuos susceptibles en
nuevos criminales, hecho que tiene como resultado un aumento en el número de
delitos.
Para entender a la criminalidad como un patrón agregado, se debe de considerar
la influencia que el entorno tiene en la criminalidad, ya que condiciones
socioeconómicas, urbanas y poblacionales adversas, generarán en el individuo una
cierta susceptibilidad al crimen, la cual puede ser detonada por la interacción con
criminales, es decir, el intercambio de información en un escenario dónde la persona
con condiciones adversas se percata que un individuo con las mismas condiciones
supera dicha adversidad mediante el crimen. Adicionalmente también se pueden
observar los procesos de retroalimentación e incluso una auto-organización45, pues
si la persona susceptible decide convertirse en criminal, puede hacerlo asociándose
con el criminal con el que por proximidad física interactúa46.
En este sentido, la teoría que mejor esboza la dinámica de este efecto de
contagio es la teoría de la anomia social, ya que, al provenir de la sociología, explica
el fenómeno desde la interacción del individuo con la sociedad, además de vincular
el comportamiento de las personas, con las condiciones estructurales a las que
están sujetas. Bajo este orden de ideas, la anomia explica el crimen de la siguiente
forma:
44 El capítulo dos de esta investigación mostró la relación entre condiciones socioeconómicas y urbanas adversas
con los crímenes, por lo que se considera “un individuo susceptible” a todo aquel que se encuentre bajo estas
condiciones. 45 La auto-organización es una propiedad de los sistemas complejos en la cual los agentes se organizan sin la
necesidad de reglas macro-estructurales. En este caso se puede ver como la asociación entre criminales sin que
existan instituciones como sindicatos o reglas como estatutos que les indiquen cómo hacerlo. 46 El modelo expuesto en este capítulo, sólo considera la influencia del criminal en la persona susceptible, sin
tomar en cuenta procesos de retroalimentación y auto-organización, por lo que en el modelo los criminales no
forman bandas criminales.
74
Cada sociedad tiene su propio concepto de éxito, en las sociedades capitalistas
el éxito está fuertemente relacionado con la posesión de dinero, asimismo las
personas cuentan con medios para lograr el éxito, el problema surge cuando los
medios legales de los individuos (trabajo, educación, posibilidad para emprender,
etcétera) no les permiten lograr el éxito a gran parte de ellos, esto aunado a la
desigualdad (un pequeño porcentaje de individuos con éxito económico que fungen
como tipo ideal), a la falta de transmisión de valores (producto del aumento de
familias disfuncionales), y la ineficiencia política (escenario donde la gente no confía
en el estado, ni en las medidas que este implementa para procurar una mejoría de
condiciones), generan anomia en los individuos, concepto que se puede definir
como el debilitamiento del respeto del individuo por las instituciones (familia, estado,
escuela e iglesia), que a su vez genera susceptibilidad para elegir medios ilegales
como el crimen para obtener las metas socialmente impuestas.
Figura 3.1 Teoría de la Anomia Social
Fuente: Elaboración propia con base en documentos de la investigación.
Por lo tanto, la anomia funciona de dos formas para incentivar el crimen mediante
la interacción: la primera, relacionada con la formación de un ambiente económico
desfavorable, inmerso en la desigualdad inherente al capitalismo, donde la
repartición de la riqueza es desequilibrada y la movilidad social reducida, en este
escenario, al individuo se le inculca que su meta debe ser tener dinero, interactúa
- Falta de Medios Legales
-Desigualdad
-Disfunsión Familiar
- Ineficiencia Política
-Éxito monetario devalúa
instituciones (estado, familia, escuela e iglesia)
Anomia
Uso de Medios Ilegales para
conseguir el éxito:
CRIMEN
75
Ambiente Económico Desfavorable
con personas que tienen dinero, pero no tiene los medios para poder escalar
socialmente, esto aunado a factores como la falta de valores y condiciones de vida
precarias, lo pueden convertir en criminal; la segunda, mediante la interacción de
personas que viven bajo el mismo ambiente económico desfavorable pero por
diversas razones no son criminales, con criminales que mediante medios ilegales
han conseguido el éxito económico y son objeto de idolatría, produciendo un
contagio.
Figura 3.2 Crimen como fenómeno emergente
Fuente: Elaboración propia con base en documentos de la investigación.
Cabe destacar que una persona puede ser propensa ya sea por no tener medios
o por tener medios insuficientes, es decir, un empleo precario (sin prestaciones, con
salario bajo, jornadas laborales extensas) también puede incentivar la
transformación de personas a criminales, principalmente cuando conviven con
criminales y se dan cuenta que estos consiguen mejores condiciones de vida
mediante medios no legales.
Individuo con condiciones socioeconómicas y
urbanas/poblacionales adversas, valores
deteriorados y falta o insuficiencia de medios
legales
Escenario de desigualdad: Interacción con personas que legalmente han conseguido
éxito económico
Escenario de contagio: Interacción con criminales
que han conseguido el éxito económico
Transformación en criminal
Aumento de Criminales
Aumento del delito
76
3.3 Modelo Basado en Agentes para el análisis del contagio
criminal
En el capítulo dos de esta investigación, se mostró que la criminalidad tiene relación
con las condiciones socioeconómicas y urbanas/poblacionales (condiciones que
van desde lo económico, lo social, el entorno urbano y la congestión poblacional)
de los municipios, sin embargo, en un análisis econométrico no se puede analizar
la dinámica mediante la cual el individuo puede criminalizarse, es decir, no se parte
de una microfundamentación del fenómeno como fundamento explicativo. Por tal
motivo, se propuso la elaboración de un ABM para analizar los procesos de contagio
entre criminales y no criminales, donde el espacio y los propios individuos generan
las condiciones dinámicas del problema. Explotando la capacidad de estos modelos
para construir agentes heterogéneos (en cuanto a características y
comportamientos) y operacionalizar la forma en que su entorno influye en sus
decisiones.
El modelo utilizó los hallazgos en cuanto a relación entre variables documentados
en el capítulo 2, los cuáles fueron elaborados bajo los preceptos de la teoría de la
desorganización social, adicionalmente se le añadió la variable simulada de la
anomia, la cual por su naturaleza no se pudo evaluar anteriormente47,
adicionalmente se retomó el supuesto de la teoría de las actividades rutinarias que
consiste en afirmar que las actividades ilegales se alimentan de las legales48, por lo
que es relevante el número de personas que se concentran en ciertos lugares (y a
ciertas horas) para realizar actividades como trabajar.
A continuación se presentan a grandes rasgos, los factores que consideró el ABM
para modelar el fenómeno del crimen.
47 La anomia al ser una característica teórica del individuo se suele evaluar en el mundo académico mediante
encuestas individuales, lo cual hizo imposible construir los datos para la ZMVM. 48 Según esta teoría, los criminales se encuentran con sus víctimas, cuando estas últimas realizan sus actividades
diarias, como ir a trabajar, ir a la escuela, ir al cine.
77
Desigualdad
Desempleo
Disfunción familiar
Estructura poblacional
Densidad Urbana
Marginación Urbana
Empleos en Centro Económico
Empleo Informal
Figura 3.3 Factores que inciden en el crimen
Fuente: Elaboración propia con base en documentos de la investigación.
De las variables anteriores, todas influyen de manera positiva (en un sentido
estadístico) en el crimen, excepto el empleo informal, pues se supone que una
absorción por parte del empleo informal brinda una fuente de ingresos que puede
evitar que los individuos tiendan a criminalizarse.
A continuación se explicará el modelo a partir de sus componentes principales,
los cuáles son el mundo, los agentes, el tiempo, reglas de transición y la forma en
que se inicializa.
3.3.1 Mundo
En Netlogo, el mundo es una interfaz que se compone por una cuadrícula con
coordenadas, a cada parcela (cuadrado) de la cuadrícula se le conoce como patche.
El espacio explícito en el que se desarrolla el modelo es un Sistema de Información
Geográfica (SIG) de la Zona Metropolitana del Valle de México. Como
consecuencia, el mundo tiene límites pero no como en un ABM tradicional (límites
verticales y/o horizontales), sino que el límite está dado por la cartografía, ya que
CRIMEN
Bajos Ingres
os
Anomia
78
los agentes sólo se pueden mover dentro de esta. Las medidas del mundo son de
85 x 85 patches, es decir hay 85 patches de alto y 85 de largo.
Figura 3.4 Mundo en el modelo
Fuente: Elaboración propia con base en Netlogo.
La utilización de SIG tiene dos implicaciones, la primera, que el modelo se
desenvuelve en un contexto de mayor realismo, la segunda, que la información no
será uniforme en todo el mundo, es decir, la información de los patches que se
encuentran dentro de las demarcaciones, será diferente para cada grupo de
patches, según el municipio o delegación al que pertenezcan, recordando que las
características de cada demarcación fueron recopiladas de censos y otras fuentes
oficiales.
En la cuadro 3.1 se puede observar las propiedades del patche con coordenadas
0,0, el cuál según los datos del SIG, pertenece a la delegación Gustavo A. Madero.
79
Cuadro 3.1 Propiedades de los patches
Propiedad Descripción
Coordenada x Muestra la coordenada x del patche
Coordenada y Muestra la coordenada y del patche
Entidad Muestra el nombre de la demarcación a la que pertenece el patche
Cvmun Muestra la clave municipal de la demarcación
Centro económico Muestra si pertenece al centro económico
Hotspot Variable de estado que una vez iniciado el proceso, cuenta el número de delitos que se han cometido en ese patche
Ingreso promedio Muestra el ingreso promedio mensual per cápita de la demarcación en 2010
Gini Muestra el coeficiente de Gini de la demarcación en 2010
Porcentaje de hombres
Muestra la proporción de hombres de la demarcación
Porcentaje hogares con jefa de familia
Muestra el porcentaje de hogares con jefa de familia en la demarcación
Porcentaje de personas según grado de marginación urbana
Muestra que porcentaje de personas que viven en la demarcación se encuentran
con un grado de marginación urbana muy alto, alto, medio, bajo o muy bajo
Tasa de desocupación urbana
Muestra la tasa de desocupación de la demarcación
Densidad urbana Muestra la densidad urbana (número de personas por kilómetro) de la demarcación
Fuente: Elaboración propia con base en Netlogo.
Por lo tanto, un agente que “nazca” encima del patche 0,0, pertenecerá a la
delegación Gustavo A. Madero y estará supeditado a las características de esta.
Ahondando en lo anterior, en este modelo, la información del mundo se
intercambia de la siguiente forma: las demarcaciones tienen atributos, estos
atributos determinarán las características de las personas que en la inicialización se
posicionan encima de esos patches; por último, una vez iniciados los procesos, los
agentes intercambiarán información tanto con su entorno (patches), como con otros
agentes (Figura 3.5).
80
Figura 3.5 Intercambio de Información en el Modelo
Fuente: Elaboración propia con base en Netlogo.
Esta información puede ser la asignación de un ingreso a partir de un ingreso
promedio de la demarcación49 (intercambio patche agente); la influencia de un
criminal para transformar una persona en criminal (intercambio agente agente);
el aumento de los delitos cometidos en un lugar, después de que un criminal asalta
a una persona (intercambio agente patche), etcétera.
De igual forma, las características de cada agente y la información que
intercambian con su entorno y con otros agentes, estará vinculada al tipo de agente
que sea.
49 Este ingreso promedio es una referencia, es decir, a los agentes se les asigna un ingreso similar a este, por lo
que todas las personas tendrán ingresos diferentes.
Intercambio de Información en la inicialización
Patche Agente
Información
Intercambio de Información en el proceso
Patche Agente
Agente Agente
Información
Información
81
3.3.2 Agentes
En el modelo los agentes son personas que se dividen en dos clases: personas con
medios y personas sin medios50. En el cuadro 3.2 se muestran las características
de los dos tipos de personas en los que se divide el modelo.
Cuadro 3.2 Propiedades de “Personas con medios” y “Personas sin medios”
Propiedad Tipo de Persona
Descripción
Coordenada x, y Ambas Muestra las coordenadas (x, y) de la persona
Hogar x, y Ambas Muestra las coordenadas del hogar de la persona
Entidad Ambas Muestra la demarcación donde vive la persona
Cvmun Ambas Muestra la clave municipal de la demarcación del hogar
¿Hombre? Ambas Muestra si el agente es hombre
¿Madre soltera? Ambas Muestra si la persona proviene de un hogar con jefa de familia
Ingreso promedio Ambas Muestra el ingreso promedio mensual de la persona
¿Empleo? Ambas Muestra si la persona tiene empleo formal
¿Empleo en el centro?
Con medios Muestra si la persona trabaja en el centro económico, sólo las personas que trabajan (con medios) tienen esta propiedad
Empleo Informal? Sin medios Muestra si la persona cuenta con un empleo informal
Marginación Urbana Ambas Muestra el tipo de marginación urbana de la persona (muy alta, alta, media, baja, muy baja)
Éxito económico Ambas Muestra el nivel de éxito económico de la persona
Anomia Ambas Muestra el nivel de anomia de la persona
Probabilidad de criminalizarse
Sin medios Muestra la probabilidad de que la persona se transforme en criminal
Número de crímenes Sin medios En caso de ser criminal, cuenta el número de crímenes que comete
¿Victimizado? Con medios Muestra si el agente ha sido víctima de algún delito pecuniario
Fuente: Elaboración propia con base en Netlogo.
50 Esta clasificación está basada en la teoría de la anomia social, donde las personas tienen o carecen de
medios legales para lograr el éxito económico.
82
Respecto a la calibración del modelo, las variables subrayadas en el cuadro 3.2
fueron características recuperadas del SIG y asignadas a los agentes mediante una
probabilidad51, por lo que a nivel agregado (ZMVM) se asemejan a los datos reales;
las variables en cursivas son variables estimadas, es decir, sus parámetros son
empíricos; en negritas se encuentran la variables artificiales; mientras que al resto
de las variables se les puede definir como dinámicas o de estado. A continuación
se aclaran aspectos importantes sobre cada grupo.
En el caso de las variables recuperadas del SIG, cabe ahondar en la calibración
de los ingresos, estos se asignaron con base en una distribución normal52, donde a
las personas con medios se le fijaron mediante el ingreso promedio de su municipio
y la desviación estándar de la ZMVM. De igual manera, para generar la diferencia
entre personas con medios y personas sin medios, a estas últimas se les determinó
el ingreso mediante una distribución normal en la cual la media es el ingreso
promedio de su municipio menos la desviación estándar de la ZMVM, y la
desviación estándar al igual que el caso anterior es la de la ZMVM.
En relación con las variables estimadas, sus valores fueron calculados
empíricamente, por ejemplo, el porcentaje de personas que trabajan en el centro
económico53 se definió en un 60%; el porcentaje de personas que pueden ser
absorbidas por el empleo informal se posicionó en 1% (un aproximado de lo que
crece el sector anualmente); mientras que el éxito económico y la probabilidad de
criminalizarse se construyeron con base en atributos de los agentes.
El éxito económico se definió con base en los ingresos previamente asignados a
los agentes, mediante valores dados en caso de que su ingreso se encuentre dentro
de determinados rangos (Cuadro 3.3).
51 Excepto la variable “hogares x, y”, ya que las personas se posicionan en los municipios de forma determinista
(se ahonda en esto en el apartado de inicialización). 52 El uso de esta distribución implica que aproximadamente el 68% de las observaciones estarán muy cercanas
a la media (34% en el rango de �̃� a �̃� + 𝜎 y 34% en el rango de �̃� a �̃� − 𝜎 ). 53 El modelo considera que el centro económico se compone por las delegaciones: Benito Juárez, Cuauhtémoc,
Miguel Hidalgo y Coyoacán.
83
Cuadro 3.3 Construcción de variable “Éxito Económico”
Rango de ingresos Éxito Económico
< Ingreso promedio No
>= Ingreso promedio y < Ingreso promedio + 500 5
>= Ingreso promedio + 500 y < Ingreso promedio + 3,000 6
>= Ingreso promedio + 3,000 y < Ingreso promedio + 5,000 7
>= Ingreso promedio + 5,000 y < Ingreso promedio + 10,000 8
>= Ingreso promedio + 10,000 y < Ingreso promedio + 20,000 9
>= Ingreso promedio + 20,000 10
Fuente: Elaboración propia con base en Netlogo.
Por su parte, la probabilidad de criminalizarse está construida con base en las
características socioeconómicas y urbanas/poblacionales de los agentes, donde
cada que se cumplen ciertas condiciones se le suma un valor a la probabilidad total
del agente (Cuadro 3.4).
Cuadro 3.4 Construcción de variable “Probabilidad de Criminalizarse”
Condición Probabilidad
Ingreso < Ingreso de Subsistencia (2000) +20
Desempleado +5
Proveniente de Hogar con Jefa de Familia +15
Coeficiente Gini > 40 +15
Coeficiente Gini > 45 +5 por cada aumento de 5
Porcentaje de Desigualdad Global54 > 50 +1 por cada aumento de 5
Hombre +5
Marginación Urbana Muy Alta +15
Marginación Urbana Alta +10
Marginación Urbana Media +5
Densidad Urbana > 10,000 +15
Empleo Informal -30
Anomia >= 8 25
Fuente: Elaboración propia con base en Netlogo.
Dentro de la categorización de variables artificiales, sólo se encuentra la anomia.
Se le denomina como variable artificial dado que es una variable generada
aleatoriamente (con un rango de 0 a 10). La variable se creó de esta forma puesto
que la anomia es un atributo difícil de medir (se necesitaría elaborar encuestas, con
54 Variable global que se calcula mediante la división del ingreso promedio de las personas con un ingreso por
debajo de la media y el ingreso promedio de las personas con un ingreso por arriba de la media.
84
preguntas muy específicas, a todos los habitantes de la ZMVM) y del cual no existen
datos para la ZMVM.
Finalmente, las variables dinámicas o de estado (“Coordenada x, y” “Número de
crímenes” y “¿Victimizado?”), son nombradas así, puesto que van cambiando sus
valores según se van ejecutando los procesos (reglas de transición) del modelo.
3.3.3 Tiempo
En Netlogo a los pasos de tiempo se les denomina ticks, este según los supuestos
de cada modelo puede representar, minutos, horas, días o hasta años. En el caso
de este modelo, cada paso de tiempo representa medio día. Por lo tanto, un año
está compuesto por 730 ticks (365 días multiplicado por 2).
Para comprender cómo está definido el tiempo en el modelo, se sugiere verlo
como el momento en el que los agentes realizan tres actividades, la primera, ir a
trabajar, la segunda, regresar a casa y la tercera ir a divertirse a algún lugar cercano
los fines de semana. De tal forma que en el paso de tiempo 1 las personas van a
trabajar y en el paso de tiempo 2 regresan a casa, en el paso de tiempo 3 vuelven
a ir a trabajar, en el paso de tiempo 4 regresan a casa y así sucesivamente, hasta
que llega el fin de semana y se trasladan a un lugar cercano
Esta definición del tiempo como momentos, se sustenta en la teoría de las
actividades rutinarias, en la cual el crimen se alimenta de la estructura
espaciotemporal de las actividades rutinarias legales (en el caso del modelo, ir a
trabajar, ir a casa e ir divertirse los fines de semana), considerando que cada que
las personas salen de sus casas para realizar dichas actividades son más
susceptibles de encontrarse con un criminal y ser víctimas de un delito.
De tal forma, para esta teoría lo importante son las horas específicas en las que
la gente se aglutina en determinado lugar, por lo que, por simplicidad, la presente
investigación sólo modela dichos momentos cruciales.
85
3.3.4 Inicialización del modelo
El modelo comienza creando el mundo y los agentes, en primera instancia el
software carga un Sistema de Información Geográfica (SIG) de la Zona
Metropolitana del Valle de México, en el cuál se aprecian las delimitaciones de los
municipios, el contorno del Distrito Federal y las delegaciones que forman el centro
económico resaltadas. Posteriormente, se posicionan los agentes, que en este caso
son personas, dentro de las delegaciones; para saber cuántos agentes se
colocarían por municipio/delegación se utilizaron los datos poblacionales del censo
económico de 2010 y se dividió el total de la población de las demarcaciones entre
10,00055.
Figura 3.6 Modelo inicializado
Fuente: Elaboración propia con base en Netlogo.
55 En total se distribuye un número de 1903 agentes en toda la ZMVM.
86
Una vez distribuidos los agentes, el software asigna si son personas con medios
(verdes) o personas sin medios (amarillas)56 y les asigna características tomando
como referencia el lugar en el que están ubicados57. A continuación, con base en
esas características el software construirá la probabilidad para criminalizarse de las
personas sin medios y en los casos en que esta sobrepase o sea igual a 50, la
persona se transformará en criminal y se coloreará de rojo (Figura 3.6).
Finalmente el programa calcula y reporta el número de criminales creados de
inicio, el ingreso promedio de las personas con medios, el ingreso promedio de las
personas sin medios y el porcentaje de desigualdad global. En el momento en que
se terminan de reportar los cálculos anteriores, el modelo está listo para comenzar
a ejecutar los procesos.
3.3.5 Reglas de transición
Una vez que se le ha dado la instrucción al software de comenzar a realizar los
procesos, se empiezan a ejecutar una serie de reglas, las cuáles determinarán los
valores de las variables de estado, tanto de los agentes, como de los patches. A
continuación se ahonda en las reglas de transición58.
En primera instancia, se encuentra la regla “hacer hotspots”, la cual se encarga
de colorear el SIG según el número de delitos que se han cometido en cada patche,
de tal manera que los lugares en los que se han cometido menos de 700 crímenes
se colorearán con tonalidades azules. Por el contrario, si se han cometido 700 o
más delitos pero menos de 1000 en determinado patche, este adoptará una
tonalidad amarilla, asimismo, si en el patche se han cometido 1000 o más delitos
este se coloreará de tonalidades rojas, donde los lugares que tengan los valores
56 De inicio cada demarcación tendrá un 90% de personas con medios y un 10% de personas sin medios. 57 El modelo está programado para recuperar del SIG los datos socioeconómicos, urbanos y poblacionales
obtenidos en el Capítulo 2 y trasladar esas características a los patches, de tal forma que cada que un agente se
ubica inicialmente en un patche perteneciente a determinado municipio/delegación, se le asignarán
características congruentes con los datos reales de dicha demarcación. 58 Para un mayor entendimiento de esta sección, se recomienda ver el siguiente video, donde se muestra el
modelo realizando los procedimientos: https://youtu.be/qHXTXQXEFQk o use el código QR en el anexo 2.
87
más bajos del rango serán rojo claro, mientras que los patches en los que se
cometan más de 7500 delitos, tendrán la tonalidad de rojo más oscura.
En segundo lugar, se le ordena a las personas que comiencen a realizar sus
actividades rutinarias (tres), la primera, ir a trabajar cinco de cada siete días y
realizando alguna actividad recreativa (segunda actividad rutinaria) los dos días
restantes. Para ir a trabajar, las denominadas personas con medios se trasladan a
sus lugares de trabajo (un 60% de estos se encuentran en el centro económico,
mientras que el otro 40% se encuentra en sus municipios/delegaciones de
residencia). Por su parte, las personas sin medio se mueven dentro de su misma
demarcación y en caso de ser criminales, ejecutan el proceso “realizar un crimen”.
Si es fin de semana, todas las personas se mueven dentro de su demarcación,
suponiendo que se mueven por motivos recreativos, no obstante, los criminales se
continúan moviendo y ejecutando el proceso “realizar un crimen” 59.
La tercera actividad rutinaria es, una vez que las personas realizaron las
actividades descritas en el párrafo anterior, regresar a casa, es decir sus
coordenadas de origen. En este caso, los criminales también regresarán a sus
casas pero continuarán ejecutando el proceso “realizar un crimen”. Una vez que los
agentes se encuentran en sus hogares, se ejecuta el “proceso de contagio”, este
proceso, se compone por tres instrucciones:
La primera se encarga de re-evaluar el éxito económico de los agentes (con los
mismos parámetros antes expuestos en el cuadro 3.3), dado que al cometer
crímenes durante el día, los delincuentes aumentan su ingreso.
La segunda se encarga de re-evaluar la anomia de las personas sin medios, si
estas encuentran criminales que vivan cerca de ellos, cuyo éxito económico ha
llegado a ser de más de siete, se aumentarán puntos en su nivel de anomia, si esta
llega a ser superior a ocho, se le sumarán 25 puntos a la probabilidad de
criminalizarse de la persona sin medios, por lo que probablemente se transformará
59 Cabe recordar que después de realizar la primera o segunda actividad rutinaria se da un paso de tiempo, seguidamente los agentes realizan la tercera actividad rutinaria, se evalúa el proceso de contagio y se da otro paso de tiempo.
88
en criminal (recordando que para que esto suceda su probabilidad de criminalizarse
debe de ser de 50 o más), en caso de que la transformación se lleve a cabo, el
agente cambiará su color de amarillo a magenta.
La tercera plantea el caso en el que las personas con medios se transforman en
criminales, para que se dé esta situación, la persona con medios debe de tener una
marginación urbana alta o muy alta, no tener éxito económico (es decir, ingresos
menores al ingreso promedio de la demarcación, indicador de salario bajo, ya que
al ser persona con medios, sí tiene empleo) y un grado de anomia mayor o igual a
ocho, si a estas condiciones se le suma que en su lugar de residencia tengan cerca
a más de cuatro criminales exitosos económicamente (valor mayor o igual a ocho),
habrá una probabilidad de 50% de que esa persona con medios se transforme en
criminal. Si la transformación se concreta, la persona con medios cambiará su color
a naranja.
Para “realizar un crimen”, el criminal busca a una persona con medios cercana
para victimizarla. En caso de que el criminal tenga éxito al victimizar a la persona
con medios60, el criminal aumenta su ingreso promedio, aumenta en uno el número
de crímenes que ha realizado, la persona con medios cambia el valor de su variable
de estado “victimizado” a verdadero y cambia su color a negro, de igual manera, el
patche en el que se cometió el crimen aumenta en uno su variable hotspot y, si ya
cumple alguno de los parámetros de la regla “hacer hotspots”, cambia de color.
60 El modelo supone que no todos los encuentros de un criminal con una persona con medios terminarán en un
crimen, al contrario, sólo en un porcentaje muy bajo de encuentros el criminal delinque. Esto siendo congruente
con el hecho de que en la vida diaria un criminal no asalta todo el tiempo y no asalta a todas las personas con
las que se cruza, además que, por diversos factores, no todos los intentos de delitos resultan exitosos.
89
3.4 Experimentos
Para analizar, mediante la simulación, el cambio en el número de delitos y en el
contagio criminal ante variaciones en las condiciones socioeconómicas y urbanas
de los individuos, se siguió la siguiente metodología:
1. Se diseñó un escenario base
2. Se ejecutó el escenario base 50 veces para obtener, la estadística básica
(medias y modas) del experimento
3. Se verificó que los resultados estadísticos del experimento concordaran con
los datos reales obtenidos en el capítulo dos
4. Se diseñaron dos experimentos más, uno que considerara mejoras en las
condiciones socioeconómicas y otro que planteara un empeoramiento de
dichas condiciones
5. Se ejecutó 50 veces cada escenario para elaborar su respectiva estadística
básica y compararla con la del escenario base
6. Se analizaron los resultados
En el cuadro 3.5 se presenta la variación de variables con la que se diseñó cada
experimento, donde el experimento 1 es el escenario base, el experimento 2 es el
escenario de empeoramiento de condiciones socioeconómicas y urbanas, y el
experimento 3 es el escenario de mejoras socioeconómicas y urbanas.
Cuadro 3.5 Variaciones de variables en los experimentos
Variable Experimento 1 (Base)
Experimento 2 (Empeora)
Experimento 3 (Mejora)
Número de personas Según SIG Sin variación Sin variación
Personas sin medios 10% Sin variación Sin variación
Tasa de desempleo Según SIG Δ 2.5 puntos ∇ 2.5 puntos
Empleos en el centro económico 60 % Sin variación Sin variación
Absorción del empleo informal 1 % ∇ 1 punto Δ 1 punto
Ingreso Según SIG ∇ 15 % Δ 15 %
Ingreso de subsistencia $ 2000 Sin variación Sin variación
Desigualdad Según SIG Δ 15 % ∇ 15 %
Hogares con jefa de familia Según SIG Δ 15 % ∇ 15 %
Marginación Urbana Según SIG Δ 15 % ∇ 15 %
Fuente: Elaboración propia.
90
Cabe destacar que el escenario base, sirve como referencia pues es aquel que
cuenta con los datos municipales recuperados del SIG, por lo que se toma como la
simulación más apegada a la realidad. De igual forma se reitera que el valor de
variables como el ingreso de subsistencia, el porcentaje de empleos en el centro
económico, la absorción del empleo informal y el porcentaje de personas sin
medios, fue asignado empíricamente.
3.4.1 Resultados
En primera instancia se presentan los resultados, del escenario base, cuyo objetivo
fue replicar el fenómeno, tanto en el número de crímenes cometidos en la ZMVM,
como en su localización (hotspots). El producto de las repeticiones (50 veces) del
experimento 1 fueron las siguientes.
Cuadro 3.6 Estadística del Experimento 1
Fuente: Elaboración propia con base en Netlogo.
Criminales Originales
Criminales Sin Medios
Criminales Con Medios
Criminales TotalesDelitos
Rango Moda Tick-Min Tick-Max
Personas Sin Medios 1-10 ticks 10 1 156
Personas Con Medios 261-270 ticks 9 224 658
Rango Moda Tick-Min Tick-Max
Delitos 391-400 ticks 7 292 502
100%
Modas primer paso de tiempo en el que una persona se transforma en criminal
Experimento 1: Escenario Base
Moda primer paso de tiempo en llegar a los 100,000 delitos
223,312
Medias totales
40
23
18
81
49%
28%
22%
91
Como se observa en el cuadro 3.6, el número de delitos totales de los
experimentos fue de 223,312 delitos, mientras que los datos oficiales para el 2011
fueron de 233,414 delitos pecuniarios (SESNSP, 2015a), lo cual deja un error de
10,102, que se considera aceptable. De igual forma, se puede apreciar que el 49%
del total de criminales son “criminales originales”, es decir, aquellos que se
transforman desde la inicialización, mientras que el otro 51% se transforman durante
el proceso, siendo las “personas sin medios” las que más se transforman con un
28% contra un 22% de las “personas con medios”.
Respecto a las modas, están miden el primer paso de tiempo en el que sucede
la primer transformación de las personas en criminales en los experimentos, así
como, cuánto se tardan en alcanzar los 100,000 delitos. En el caso de la
transformación en criminales, en general las “personas sin medios” suelen empezar
a transformarse desde los primeros pasos de tiempo (1 a 10 ticks), mientras que las
“personas con medios” tendieron a hacerlo a partir del paso de tiempo 261, lo cual,
en días sería aproximadamente el día 131, poco más de cuatro meses. Por su parte,
los experimentos tuvieron la tendencia de llegar a los 100,000 delitos a partir del
paso de tiempo 391, que representa el día 196, es decir seis meses y medio.
Además, cabe destacar los valores máximos y mínimos que en cuanto a pasos
de tiempo brindaron los experimentos. El mínimo tiempo en el que comenzaron las
transformaciones de “personas sin medios” fue 1 paso de tiempo (medio día),
mientras que el máximo fue de 156 pasos de tiempo (78 días); por su parte el
mínimo de tiempo de las “personas con medios” fue de 224 pasos de tiempo (112
días) y el máximo de 658 pasos de tiempo (329 días); en cuanto a los delitos, el
mínimo de tiempo en que se llegó a los 100,000 delitos fue 292 pasos de tiempo
(146 días), mientras que el máximo que tardo fue de 502 pasos de tiempo (251
diás).
Con relación a la localización de los crímenes, esta, en general, también cumple
con la expectativa de aproximarse a la realidad del fenómeno.
92
Figura 3.7 Hotspots del Experimento 1 y Hotspots de Delitos Pecuniarios 2011
Fuente: Elaboración propia con base en Netlogo y SESNSP, 2015a.
La figura 3.7 contiene una comparación de los hostspots que tendió a mostrar el
Experimento 161 (estos se elaboraron con base en modas) y los hostspots reales de
delitos pecuniarios para el año 2011 que se habían mostrado en el capítulo dos.
Cotejando ambos mapas, se observa que el panel izquierdo perteneciente al mapa
del ABM, coincide casi en su totalidad con las zonas de rojo intenso del mapa de
delitos pecuniarios de 2011 del panel derecho, la diferencia más marcada entre
ambos mapas es que el mapa del ABM (izquierda) marca como zona de alta
criminalidad los municipios de Chimalhuacan y Valle de Chalco, mientras que el
mapa elaborado mediante las denuncias de delitos en el Ministerio Público
(derecha) no lo hace.
A pesar de las ligeras discrepancias entre los mapas, se partirá del supuesto de
que el mapa del Experimento 1 y el resto de los datos recabados, son lo
suficientemente acertados como para tomar al Experimento 1 como referencia para
61 El mapa de hotspots del Experimento 1 se realizó con base en modas, es decir, se recabó la información de
los lugares (patches) donde en los experimentos se tendían a cometer crímenes, posteriormente se sacó un
promedio de crímenes por patche y se mapeó conforme a los rangos de colores del modelo.
93
ver los cambios que produce el empeoramiento o la mejora de condiciones
socioeconómicas y urbanas en el crimen y el contagio criminal.
Ahora bien, en el cuadro 3.7 se tiene la estadística de las 50 repeticiones del
Experimento 2, el cual pertenece al escenario de empeoramiento de las condiciones
socioeconómicas y urbanas de la ZMVM, los resultados muestran un aumento de
un 12% en criminales totales (10 más que en el escenario base), y de 10.5% en
delitos totales (23,455 delitos más que en el Experimento 1). Respecto a los
porcentajes de criminales, en este escenario predominan los “criminales originales”
con un 54%, mientras que las “personas sin medios” continúan predominando como
las que más se transforman en criminales con un 28%, contra el 22% de criminales
que son “personas con medios”
Cuadro 3.7 Estadística del Experimento 2
Fuente: Elaboración propia.
Por su parte, las modas de los pasos de tiempo en general disminuyeron.
Aumentó el número de veces que las “personas sin medios” se transformaron desde
los primeros 10 pasos de tiempo, y disminuyó el tiempo en el que las “personas con
medios” se comenzaron a transformar en criminales (10 pasos de tiempo menos),
Criminales Originales
Criminales Sin Medios
Criminales Con Medios
Criminales TotalesDelitos
Rango Moda Tick-Min Tick-Max
Personas Sin Medios 1-10 ticks 16 1 130
Personas Con Medios 241-250 ticks 6 184 356
Rango Moda Tick-Min Tick-Max
Delitos 251-260 ticks 6 286 484
54%
26%
20%
100%
Experimento 2: Escenario de Empeoramiento de Condiciones
Medias totales
246,767
Modas primer paso de tiempo en el que una persona se transforma en criminal
Moda primer paso de tiempo en llegar a los 100,000 delitos
49
24
18
91
94
de igual forma, en promedio se llegó a los 100,000 delitos 131 pasos de tiempo
antes que en el escenario base, lo cual representa 66 días, poco más de dos meses.
En esta misma línea, el mínimo y el máximo de tiempo en que en los
experimentos las “personas con medios” comenzaron a transformarse disminuyó
en 20 y 151 días respectivamente. El mínimo de tiempo de transformación de las
“personas sin medios” continuó siendo 1 paso de tiempo, pero el máximo disminuyó
en 13 días.
Finalmente, el tiempo mínimo en que se llegaron a los 100,000 bajo este
escenario disminuyó en seis pasos de tiempo (tres días), mientras que el tiempo
máximo en llegar a dicha cifra disminuyó en nueve días.
Por último, se presentan los resultados estadísticos del Experimento 3 que
plantea un escenario en el que las condiciones socioeconómicas y urbanas mejoran.
Cuadro 3.8 Estadística del Experimento 3
Fuente: Elaboración propia.
Criminales Originales
Criminales Sin Medios
Criminales Con Medios
Criminales TotalesDelitos
Rango Moda Tick-Min Tick-Max
Personas Sin Medios 1-10 ticks 14 1 164
Personas Con Medios 311-320 ticks 6 226 548
Rango Moda Tick-Min Tick-Max
Delitos 421-430 6 410 718
31
19
14
64
171,216
Modas primer paso de tiempo en el que una persona se transforma en criminal
Moda primer paso de tiempo en llegar a los 100,000 delitos
30%
22%
100%
Experimento 3: Escenario de Mejora de Condiciones
Medias totales
48%
95
Comparando los resultados del escenario base con los del Experimento 3
(Cuadro 3.8), se encuentra que en este último, el número de criminales totales
disminuye en un 21%, mientras que los delitos totales lo hacen en un 23%. La
distribución de los criminales es semejante a la del escenario base, con una ligera
disminución de “criminales originales”, compensada por un aumento de “criminales
sin medios”.
En este escenario de mejora de condiciones, las tendencias temporales para la
transformación de “personas con medios” ocurren más tarde (20 días después),
hecho que se repite para el primer paso de tiempo en llegar a los 100,000 delitos,
el cual en general ocurre diez días después, por su parte, las “personas sin medios”
continúan tendiendo a transformarse desde los primeros 10 pasos de tiempo.
Los mínimos y máximos de tiempo en que ocurren las transformaciones también
tendieron a aumentar, en el caso del mínimo para que las “personas sin medios” se
comenzaran a transformar permaneció igual, no obstante, el máximo para que esto
ocurriera se elevó en cuatro días, los valores para “personas con medios” también
se elevaron, en un día para el mínimo de tiempo y en 55 días para el máximo de
tiempo. En relación al mínimo de tiempo en que los experimentos tardaron en llegar
a los 100,000 delitos, este fue de 205 días, casi dos meses después que en el
escenario base, mientras que el máximo fue de 359 días, más de siete meses
después que en el escenario base.
Para finalizar, cabe mencionar que no se presentan los mapas de hotspots de los
experimentos dos y tres, dado que las variaciones que estos tienen con el mapa
presentado del Experimento 1, son mínimas, ya que el tamaño y localización de los
hotspots prácticamente no varía, siendo la única diferencia entre los mapas, un
cambio no significativo en la intensidad de los hotspots (cambio casi imperceptible
en las tonalidades de rojo).
96
3.5 Análisis
Tras exponer los resultados del modelo de simulación, resaltan puntos relevantes
que dejan los experimentos, el primero es que el ABM fue capaz de replicar con un
pequeño margen de error el número de crímenes pecuniarios de la ZMVM para el
año 2011 y las principales demarcaciones en que cometieron. Ahondando en lo
anterior, el modelo tuvo un error de 4.3% en cuanto a la discrepancia entre la cifra
de delitos que calculó en promedio el escenario base y la cifra real, porcentaje que
se encuentra entre los parámetros aceptados. Asimismo, el mapa de hotspots,
mostró coincidencia similar con los hotspots reales, exceptuando los municipios de
Chimalhuacan y Valle de Chalco, donde el ABM marca alta criminalidad pero las
cifras oficiales no, esto es probable que se deba a la denominada “cifra negra” que
es el porcentaje de delitos que no se denuncian y que en la ZMVM es de 92%
(INEGI, 2015), dado que empíricamente se sabe que esos municipios se
caracterizan por tener un alto grado de inseguridad.
Estos dos factores hacen que se considere al ABM que se diseñó, como válido y
capaz de evaluar las variaciones en el crimen, el contagio criminal y los hotspots,
ante cambios en las condiciones socioeconómicas y urbanas.
El hecho que el modelo sea eficiente y cumpla con su objetivo implica que el
planteamiento y las teorías que se utilizaron para este, fue adecuado.
Recapitulando, en el capítulo dos se planteó un modelo econométrico bajo un
enfoque espacial centrado en la teoría de la desorganización social, la cual sugirió
el uso de ciertas variables que fueron evaluadas mediante un modelo de error
espacial. Sin embargo, para profundizar en el análisis se propuso abordar el tema
desde un ABM que permitiera ahondar en los procesos de contagio del crimen,
hecho que no permitía la econometría espacial, pero que tampoco lo hacía por si
sola la teoría de la desorganización social, por tal motivo, se añadieron al análisis
los preceptos de la teoría de la anomia social, la cual gracias a su visión estructural
del problema, hizo posible el entendimiento del contagio y la influencia que los
agentes y el entorno tienen entre sí. Adicionalmente, por motivos de facilidad
97
respecto a la programación, se echó mano de las hipótesis de la teoría de las
actividades rutinarias. De tal suerte que, al menos en este caso, se afirma la utilidad
de estas tres teorías en conjunto para explicar el crimen.
En relación a los experimentos, al compararlos con el escenario base se observó
que las condiciones socioeconómicas y urbanas sí influyen en el número de
crímenes y el contagio de la criminalidad entre la población, no tanto en el tamaño
de los hotspots (al menos para las variaciones de condiciones planteadas, las
cuales se buscó quedaran entre parámetros lógicos).
Bajo este orden de ideas, el escenario de empeoramiento de condiciones
socioeconómicas y urbanas mostró que tal como lo supone la hipótesis de la
investigación un deterioro de estas variables, el crimen puede llegar a aumentar,
puesto que, la aparición de criminales es mayor y el contagio de esta conducta se
hace más común.
Del otro lado, el escenario que plantea una mejora en las condiciones
socioeconómicas, revela que el desarrollo económico, social y urbano puede influir
en el crimen, dado que hay menos personas propensas a delinquir y por lo tanto,
menos delincuentes, menos contagio criminal y menos delitos.
Cabe destacar que de los dos escenarios en donde se variaron las condiciones
socioeconómicas y urbanas, el que más impacto tuvo en el crimen fue en el que se
mejoraron dichas condiciones. Puesto que en escenario el número de criminales
totales disminuyó en un 21% y los delitos totales bajaron un 23%, contra los
porcentajes de variación del escenario de empeoramiento de condiciones que
muestran aumentos 12% en criminales totales y de 10.5% en delitos totales. Por lo
que el escenario de mejora tuvo aproximadamente el doble de impacto que el
escenario en el que se empeoran las condiciones de la ZMVM.
98
Conclusiones
99
A lo largo de la presente investigación se ha indagado en los determinantes del
crimen en la Zona Metropolitana del Valle de México, en este punto y a manera de
conclusión, se puede afirmar que en los crímenes pecuniarios el componente
económico de la sociedad, representado por variables como la tasa de desempleo,
el ingreso promedio y la desigualdad económica, influye. No obstante, también lo
hacen cuestiones sociales, como el grado de disfunción familiar y el anhelo de éxito
económico combinado con una falta de medios para lograrlo (anomia), además del
entorno urbano en el que se desenvuelven los individuos (marginación urbana).
En síntesis, el crimen en la ZMVM está determinado por cuestiones económicas,
sociales y urbanas. Esto se asevera dado que la relación entre variables
socioeconómicas y urbanas con el crimen fue corroborada tanto
econométricamente, como mediante simulación computacional.
Bajo este orden de ideas, la hipótesis consistente en que el desempleo, los bajos
ingresos, la desigualdad económica, la disfunción familiar, la congestión urbana y la
marginación, hacen que la propensión de los individuos de delinquir aumente y, por
lo tanto, el número de crímenes en la ZMVM, se puede tomar como cierta, pero sólo
para el caso de los crímenes pecuniarios, ya que, como se demostró a lo largo del
capítulo dos, los delitos pecuniarios y los delitos violentos se comportan de forma
distinta, y aunque no se descarta que en los crímenes violentos también influyan
ciertos componentes económicos, sociales y/o urbanos, las variables específicas
que enuncia la hipótesis, sólo pudieron ser corroboradas con cierto grado de
confiabilidad, para el caso de los delitos pecuniarios.
Se destaca el grado de confiabilidad de los modelos, dado que indudablemente
la naturaleza de los datos (procedentes de los delitos denunciados ante los
Ministerios Públicos de la ZMVM) produce un sesgo infranqueable, el cual proviene
principalmente de dos fuentes: la primera es la denominada “cifra negra”, que es el
porcentaje de delitos no denunciados y que para el caso de la ZMVM se calcula en
92%, factor que implica que las cifras oficiales que se utilizaron, sólo representan
una pequeña parte del fenómeno; la segunda es el nivel de agregación de los datos,
100
pues, al ser nivel municipal, no permite identificar con exactitud las zonas (calles,
colonias, barrios) con alto grado de criminalidad.
No obstante, el sesgo de los datos fue subsanado mediante el uso de
herramientas como la inferencia estadística (por medio de Indicadores Locales de
Asociación Espacial, mejor conocido como análisis LISA, por sus siglas en inglés) y
la simulación computacional (Modelación Basada en Agentes, ABM por sus siglas
en inglés). A pesar de eso, se considera que se deberían de implementar estrategias
para perfeccionar el sistema de información del crimen, para que la estadística esté
más apegada a la realidad. Por una parte, las denuncias de los crímenes que son
levantadas en los Ministerios Públicos, ya contienen la información del lugar de
ocurrencia, por lo que sistematizar esa información e incluirla en las bases de datos,
es viable. Por el otro lado, la “cifra negra” es reflejo de la desconfianza de las
personas en las autoridades, hecho que sólo cambiará mediante el compromiso, la
eficiencia y los resultados que brinden los encargados por velar por la seguridad de
los habitantes.
Con respecto a las debilidades teóricas que se encontraron durante el análisis de
teorías criminológicas, se tiene que decir que la criminología como ciencia todavía
no ha podido consolidar una teoría que explique de forma contundente el fenómeno.
De igual manera, en las teorías que vinculan el crimen y la economía, existen
inconsistencias que sólo pueden ser saneadas con el uso simultáneo de dos o más
teorías. Para ejemplificar este punto, sólo basta con recordar enfoques como el de
la elección racional, la teoría de la disuasión o la teoría de las actividades rutinarias,
de las que se desprenden explicaciones simplistas como “las personas evalúan el
costo de oportunidad y si el beneficio es mayor que el riesgo, delinquen” “la pena
de muerte disuade a los individuos para que no delincan” y “la oportunidad hace al
ladrón”. Por otra parte, si bien, las teorías de corte estructuralista plantean el
fenómeno de una forma más amplia y congruente, la comprobación de dichos
planteamientos utilizando las herramientas con las que cuenta el economista, se
torna complicada.
101
Ante este escenario, la investigación optó por utilizar teorías cuya comprobación
fuera viable mediante métodos como la econometría y/o la simulación
computacional, pero respaldándolas con el marco conceptual de las teorías
estructuralistas, dando como resultado, el uso de la teoría de la desorganización
social y la teoría de las actividades rutinarias, robustecidas con la teoría de la
anomia social.
El resultado del uso de dichas teorías fue un capítulo dos que permitió observar
la distribución espacial del crimen, la distribución espacial de variables
socioeconómicas y urbanas, y mostrar cierta relación entre dichas distribuciones,
hecho que se pudo corroborar formalmente con el uso de econometría espacial,
específicamente un modelo de error espacial, que verificó la relación entre el
número de crímenes de las demarcaciones de la ZMVM y sus condiciones
socioeconómicas y urbanas, donde el componente que más injerencia tuvo en el
fenómeno, fue el económico. Además se pudo observar que los delitos pecuniarios
y los delitos violentos, no sólo se comportan de forma distinta, sino que tampoco
pueden ser explicados mediante las mismas variables. Sumado a esto, realizó
inferencia estadística utilizando el análisis LISA para dar una aproximación a la
magnitud real del fenómeno, lo que trajo como resultado que en el mapa LISA de
los crímenes pecuniarios se observaran hotspots más amplios que los encontrados
en el mapa de crímenes pecuniarios construido con las cifras oficiales.
Sin embargo, aunque la modelación econométrica espacial fue válida, la mayor
implicación de los modelos de error espacial es que hay factores de los vecinos que
explican el fenómeno y no se encuentran definidos en el modelo, por tal motivo, el
propósito del capítulo tres fue elaborar un modelo complementario que enmendara
las debilidades explicativas del modelo econométrico.
En este sentido, se decidió utilizar un ABM para modelar la criminalidad, con el
objetivo de ahondar en el proceso de contagio del crimen y la influencia en la que el
entorno de los individuos afecta sus decisiones, para tal efecto, la teoría de la
anomia social fue primordial, puesto que esta plantea el contagio del crimen
basándose en la existencia de metas socialmente dadas (siendo el éxito económico
102
la principal dentro de una sociedad capitalista) e individuos que no tienen los medios
legales (empleo, educación, capacidad de emprender un negocio) para obtenerlas,
por lo que eligen medios ilegales, como el crimen, para lograr el éxito económico.
Las principales implicaciones del uso de la anomia para explicar el crimen son
que un aumento en los medios legales de las personas puede traer una reducción
del crimen, es decir, más empleo, más educación, más créditos para
emprendedores podrían ser un paliativo. Pero más allá, implica un problema
inherente a la percepción del éxito dentro del capitalismo, donde pareciera que el
dinero lo es todo, esto aunado al debilitamiento que instituciones (algunas
caracterizadas por transmitir valores) como la familia, la escuela, el Estado y la
iglesia, han tenido ante la dinámica capitalista, generan un escenario donde las
largas jornadas de trabajo reducen el tiempo que los padres conviven con sus hijos,
y aumentan el tiempo que estos son influenciados por factores externos, los cuales,
en el peor de los casos le hacen creer a este sector vulnerable que el fin justifica los
medios, aunque estos no sean legales.
En relación a los resultados del ABM, el modelo fue capaz de replicar con un bajo
margen de error, la cantidad de delitos pecuniarios de la ZMVM para el año 2011,
por su parte, los hotspots que creó, fueron coincidentes casi en su totalidad con los
expuestos por el mapa de hotspots de delitos pecuniarios de 2011 (excepto por dos
municipios, Chimalhuacan y Chalco), sin embargo, las variaciones entre los
hotspots, en lugar de considerarse como un error del modelo, se toman como un
hallazgo, puesto que el modelo, a diferencia de los datos reales provenientes de los
Ministerios Públicos, marcó como municipios con alta criminalidad a Chimalhuacan
y Valle de Chalco, en los cuáles empíricamente se sabe que hay inseguridad, hecho
que refuerza la discusión sobre lo fiables que son dichas estadísticas y el impacto
de la cifra negra en estas.
Adicionalmente, y para darle más sustento a la corroboración de la hipótesis, se
realizaron dos experimentos donde se plantearon un escenario de mejoría de
condiciones socioeconómicas y urbanas, y un escenario de empeoramiento de
estas condiciones. Los resultados mostraron que una mejoría en dichas variables
103
trae consigo una disminución en el número de crímenes, mientras que un deterioro
de tales variables produce un aumento de delitos.
Tras la realización de los experimentos, cabe destacar dos hechos, el primero es
que los hotspots tanto en el escenario base, como en el de mejora y empeoramiento
de condiciones, no varían en su tamaño en un año (que es el tiempo que simula el
modelo) y lo hacen muy ligeramente en cuanto a su intensidad (número de delitos
en un lugar), es decir, según el modelo, en un año el fenómeno no mejora ni
empeora drásticamente, no obstante, cabe recordar que al estar determinado por
factores socioeconómicos y urbanos, las mejorías y deterioros de estos pueden ser
acumulativos, lo cual podría en el largo plazo detonar un crecimiento/decrecimiento
exponencial del fenómeno. El segundo hecho relevante es que el escenario de
mejora tuvo aproximadamente el doble de impacto que el escenario en el que se
empeoran las condiciones de la ZMVM. Esto podría resultar esperanzador pues
según el modelo, el crimen reacciona más ante mejoras de condiciones que ante
deterioros, lo cual podría significar que una reducción criminal por medio del
incentivo a estas variables es más “sencilla”, no obstante, cabe reflexionar que
dichas variables en la vida real no se pueden mover con un deslizador como lo hace
el modelo, sino que para que tengan un cambio positivo, debe de haber política
pública y económica acertada, debe de existir crecimiento económico que cree las
condiciones para su mejoría y algunas simplemente dependen del comportamiento
sociocultural de la población. Por el contrario, para un cambio negativo de las
variables socioeconómicas y urbanas pareciera que lo único que se necesita es no
hacer nada y dejar que continúen su tendencia.
En suma, el crimen es un problema que aqueja a la ZMVM y por lo tanto debe de
ser combatido, pero no sólo con policías y prisiones, sino también con políticas
orientadas a la mejora de las condiciones socioeconómicas y urbanas de la
población, la solución se encuentra en mayores empleos, salarios justos, mejor
distribución del ingreso, familias que inculquen valores y una ciudad que dignifique
a sus habitantes.
104
Fuentes de consulta
105
[1] AGNEW, R. (1992). “Foundation for a general strain theory of crime and
delinquency” en Criminology. Vol. 30, pp. 47-87, citado por MOON, B., BLURTON,
D. y MCCLUSKEY J.D. (2008). “General Strain Theory and Delinquency: Focusing
on the Influences of Key Strain Characteristics on Delinquency” en Crime &
Delinquency. Vol. 54, Núm. 4, pp. 582-613.
[2] AKERS, R. (2013). Criminological Theories: Introduction and Evaluation.
Routledge, Londres.
[3] ALMEIDA, E., HADDAD, E. y HEWINGS, G. (2003) “The Spatial Pattern
of Crime in Minas Gerais: An Exploratory Analysis” en Economìa Aplicada, Vol. 9,
Núm. 1, pp. 39-55.
[4] ANDENAES, J. (1974). Punishment and deterrence. University of Michigan
Press, Michigan, citado por APEL, R. Y NAGIN, D. (2014). “Deterrence” en
BRUINSMA, G. Y WEISBURD, D. (Eds.) Encyclopedia of Criminology and
Criminal Justice (pp. 998-1005). Springer, Londres.
[5] ANDRESSEN, M. (2006). “Crime Measures and the Spatial Analysis of
Criminal Activity” en British Journal of Criminology. Vol. 46, Núm. 2 pp. 258-285.
[6] ANSELIN, L. (1995). “Local indicators of spatial association – LISA” en
Geographical Analysis. Vol. 27, Núm. 2 pp. 93-115.
[7] ANSELIN, L. (1996). “The Moran scatterplot as an ESDA tool to assess local
instability in spatial association” en FISCHER, M., SCHOLTEN, H. Y UNWIN, D.
(eds) Spatial Analytical Perspectives on GIS (pp 111–125). Taylor and Francis,
Londres.
[8] ANSELIN, L., COHEN, J., COOK, D., GORR, W. y TITA (2012). “Spatial
Analyses of Crime” en Measurement and analysis of crime and justice. Vol. 4. pp.
213-262.
[9] ANSELIN, L. y REY, S. (2007). Modern Spatial Econometrics in Practice.
Geoda Press, Chicago.
[10] ANSELIN, L., SYABRI, I y SMIRNOV, O. (2012). “Visualizing Multivariate
Spatial Correlation with Dynamically Linked Windows” en ANELIN, L. Y REY, S.
(eds.), Proc. CSISS Worckshop on New Tools for Spatial Data Analysis, Santa
Babara, CA, Center for Satially Integrated Social Science, (2002).
[11] ANTONACCIO, A. y TITTLE, CH. (2007). “A cross-national test of
Bonger’s theory of criminality and economic conditions” en Criminology, Vol. 45,
Núm, 4, pp.925-958.
[12] APEL, R. y NAGIN, D. (2014). “Deterrence” en BRUINSMA, G. Y
WEISBURD, D. (Eds.) Encyclopedia of Criminology and Criminal Justice (pp. 998-
1005). Springer, Londres.
[13] AVERDIK, M. (2014). “Victimization an routine activities” en MICHALOS
(Ed.) Encyclopedia of Quality of Life and Well-Being Research (pp. 6921-6924).
Springer, Londres.
106
[14] BANCO MUNDIAL (2012). Datos Banco Mundial [Internet]. Disponible en
<http://datos.bancomundial.org> [Acceso el 15 de marzo de 2015].
[15] BAUMER, E. P. (2007). “Untangling research puzzles in Merton’s multilevel
anomie theory” en Theoretical Criminology. Vol. 11, Núm. 1, pp. 63-93.
[16] BECKER, G. (1968). “Crime and punishment: an economic approach” en
Journal of Pol Ec. Vol 78, pp. 169-217.
[17] BERNBURG, J.G. (2014). “Anomie and crime” en BRUINSMA, G. Y
WEISBURD, D. (Eds.) Encyclopedia of Criminology and Criminal Justice (pp. 76-
86). Springer, Londres.
[18] BLAU, J.R. y BLAU, P.M. (1982). “The cost of inequality: Metropolitan
Structure and Violent Crime” en American Sociological Review. Vol. 47, pp. 114-
129.
[19] BOERO, R. (2015) “A Few Good Reasons to Favor Agent-based Modeling
in Economic Analyses”, en: BOERO et. al. Agent-based Models of the Economy:
From Theories to Applications. Palgrave, EUA.
[20] BONGER, W. (1916). Criminality and economic conditions. Methuen and
Company, London.
[21] BRANTINGHAM, P. J. y BRANTINGHAM, P. L. (1975). “The spatial
patterning of burglary” en The Howard Journal of Criminal Justice. Vol. 14. Núm. 2,
pp. 11-23.
[22] ----------(1993). “Toward a pattern theory of crime” en CLARKE, R. y
FELSON, M. (Eds.) Routine Activity and Rational Choice. (pp. 259-294), Tansaction
Publishers, EUA.
[23] ----------(1995). "Criminality of Place: Crime Generators and Crime
Attractors" en European Journal on Criminal Policy and Research. Vol. 3, pp.5-26.
[24] ----------(2008). “Crime pattern theory” en WORTLEY, R. Y GREEN, L.
(Eds.) Environmental Criminology and Crime Analysis. (pp. 78-93), Routledge,
Londres.
[25] BRATT, C. (2014). “Routine activities theory” en LEVESQUE, R. (Ed.)
Encyclopedia of Adolescence (pp. 2421-2425). Springer, Londres.
[26] BROWNING, C., CAGNEY, K. y MORRIS, K. (2014). “Chicago School
Theory” en BRUINSMA, G. y WEISBURD, D. (Eds.) Encyclopedia of Criminology
and Criminal Justice (pp. 1233-1242). Springer, Londres.
[27] CANCINO, J., VARANO, S., SCHAFER, J., y ENRIQUEZ, R. (2007). "An
ecological assessment of property and violent crime rates across a Latino urban
landscape: the role of social disorganization and institutional anomie theory" en
Western Criminology Review, Vol. 8, Núm. 1, pp. 69-87.
[28] CASTAÑEDA, G. (2013) “Introducción a la Sociomática. El Estudio de los
Sistemas Adaptables Complejos en los Entornos Económico, Social y Político”,
manuscrito, CIDE.
[29] CHAMBLISS, W. (1975). “Toward a political economy of crime” en Theory
and Society. Vol. 2, Núm. 2, pp. 149-170.
107
[30] COHEN, A. (1955). Delinquent boys. Free Press of Glencoe, New York en ,
citado por MOON, B., BLURTON, D. y MCCLUSKEY J.D. (2008). “General Strain
Theory and Delinquency: Focusing on the Influences of Key Strain Characteristics
on Delinquency” en Crime & Delinquency. Vol. 54, Núm. 4, pp. 582-613.
[31] COHEN, L. y FELSON, M. (1979). “Social change and crime rate trends: A
routine activity approach” en American Socilogical Review. Vol. 44, Núm. 4, pp.
588-608.
[32] CONAPO (2010). “Delimitación de las Zonas Metropolitanas de México
2010” [Internet] Disponible en:
http://www.conapo.gob.mx/en/CONAPO/Delimitacion_de_Zonas_Metropolitanas
[Consultado el 26 de noviembre de 2015].
[33] CONEVAL. (2010). “Cohesión Social” [Internet] Disponible en:
h0ttp://www.coneval.gob.mx/Medicion/Paginas/Cohesion_Social.aspx en
[Consultado el 26 de noviembre de 2015].
[34] CRACOLICI, F. y UBERTI, T. (2009) “Geographical Distribution of Crime
in Italian Provinces: A Spatial Econometric Analysis” en Jahrbuch für
Regionalwissenschaft. Vol. 29, Núm. 1, pp. 1-28.
[35] DURKHEIM, E. [1893] (1967). De la división del trabajo. Schapire, Buenos
Aires.
[36] ----------[1897] (1993). El suicidio. 5ª ed. Akal, Madrid.
[37] ECK, J., CHAINEY, S., CAMERON, J., LEITNER, M. Y WILSON, R.
(2005). Mapping crime: Understanding Hot Spots. National Institute of Justice,
Washington.
[38] EPSTEIN, J. (1999). “Agent-Based Computational Models And Generative
Social Science” en Complexity. Vol. 4, Num. 5, pp. 41-60.
[39] GILBERT, N. (2008) Agent-Based Models. SAGE Publications, EUA.
[40] GREENBERG, D. (1981). Crime and capitalism. Mayfield Publishing
Company, Palo Alto, citado por MATTHEWS, R. (2014). “Marxist Criminology” en
SCHWARTZ, M. y HATTY, S. (Cords.) Controversies in critical criminology, (1-
14). Routledge, Londres.
[41] HART, T. y WALLER, J. (2013). “Neighborhood Boundaries and Structural
Determinants of Social Disorganization: Examining the Validity of Commonly Used
Measures” en Western Criminology Review. Vol. 14, Núm. 3, pp. 16-33.
[42] HAWLEY, A. (1950). Human ecology: A theory of community structure.
Ronald, New York, citado por COHEN, L. y FELSON, M. (1979). “Social change
and crime rate trends: A routine activity approach” en American Socilogical Review.
Vol. 44, Núm. 4, pp. 588-608.
[43] INEGI (2010). “Censo de Población y Vivienda 2010” [Internet] Disponible
en: http://www.inegi.org.mx/est/contenidos/proyectos/ccpv/cpv2010/Default.aspx
[Consultado el 26 de noviembre de 2015].
108
[44] INEGI (2015). “Encuesta Nacional de Victimización y Percepción sobre
Seguridad Pública (ENVIPE) 2015” [Internet] Disponible en:
http://www.inegi.org.mx/est/contenidos/proyectos/encuestas/hogares/regulares/envi
pe/envipe2015/default.aspx [Consultado el 26 de noviembre de 2015].
[45] INEGI (2016) “Instituto Nacional de Estadística y Geografía” [Internet]
Disponible en: http://www.inegi.org.mx/ [Consultado el 10 de marzo de 2016].
[46] JOHNSON, S. y GROFF, E. (2014). “Stregthening theoretical testing in
criminology: Using Agent-based Modelling” en Journal of Research in Crime and
Delinquency. Vol. 51, Núm. 4, pp. 509-535.
[47]
[48] KLECK, G. (2014). “Deterrence: Actual Versus Perceived Risk of
Punishment” en Encyclopedia of Criminology and Criminal Justice (pp. 1014-1023).
Springer, Londres.
[49] KLEEMANS, E. SOUDIJN, M. y WEENINK, A. (2012). “Organized crime,
situational crime prevention and routine activity theory” en Trends of Organized
Crime. Vol. 15, pp. 87–92.
[50] KRINGEN, J. y FELSON, M. (2014). “Routine activities approach” en
BRUINSMA, G. y WEISBURD, D. (Eds.) Encyclopedia of Criminology and
Criminal Justice (pp. 4544-4551). Springer, Londres.
[51] MARES, D. (2010) “Social Disorganization and Gang Homicides in
Chicago: A Neighborhood Level Comparison of Disaggregated Homicides” en
Youth Violence and Juvenile Justice. Vol. 8, Núm. 1, pp. 38-57.
[52] MATTHEWS, R. (2014). “Marxist Criminology” en SCHWARTZ, M. Y
HATTY, S. (Cords.) Controversies in critical criminology, (1-14). Routledge,
Londres.
[53] MATTHEWS, R. y CHAMBLISS, W. (2014). “Marxist Criminology” en
BRUINSMA, G. y WEISBURD, D. (Eds.) Encyclopedia of Criminology and
Criminal Justice (pp. 2989-2998). Springer, Londres.
[54] MCCARTHY, B. y CHAUDHARY, A. (2014). “Rational Choice Theory” en
BRUINSMA, G. y WEISBURD, D. (Eds.) Encyclopedia of Criminology and
Criminal Justice (pp. 4307-4315). Springer, Londres.
[55] MENCKEN, F. y BARNETT, C. (1999) “Murder, nonnegligent
manslaughter and spatial autocorrelation in mid-South counties” en Journal of
Quantitative Criminology. Vol. 15, Núm. 4, pp. 402-422.
[56] MERTON, R. (1938). “Social structure and anomie”, en American
Sociological Review. Vol. 3, pp. 572–682.
[57] MESSNER, S y ANSELIN, L. (2004). “Spatial analyses of homicide with real
data” en GOODCHILD, M. y JANELLE, D. (eds.) Spatially Integrated Social
Science. Oxford University Press, New York.
109
[58] MESSNER, S., TESKE, R., BALLER, R. y HELMUT, T. (2013). “Structural
covariates of violent crime rates in Germany: Exploratory Spatial Analyses of Kreise”
en Justice Quarterly. Vol. 30. Núm. 6, pp. 1015-1041.
[59] MICHALOWSKI, R. y CARLSON, S. (1999). “Unemployment,
imprisonment, and Social structures of accumulation: Historical contingency in the
Rusche-Kirchheimer hypothesis” en Criminology, Vol. 37, Núm. 2, pp. 217-250.
[60] MOON, B., BLURTON, D. y MCCLUSKEY J.D. (2008). “General Strain
Theory and Delinquency: Focusing on the Influences of Key Strain Characteristics
on Delinquency” en Crime & Delinquency. Vol. 54, Núm. 4, pp. 582-613.
[61] OCDE (2014) Society at a Glance 2014: OECD Social Indicators. OECD
Publishing.
[62] PRATT, T. y TURANOVIC, J. (2014). “General Theory of Crime” en
BRUINSMA, G. y WEISBURD, D. (Eds.) Encyclopedia of Criminology and
Criminal Justice (pp. 1900-1907). Springer, Londres.
[63] QUINNEY, R. (1974). Critique of the Legal Order: Crime Control in
Capitalist Society. Transaction Publishers, New Jersey.
[64] RATCLIFFE, J. (2010). “Crime Mapping: Spatial and Temporal Changes”
en PIQUERO, A. y WEISBURD, D. (Eds.) Handbook of Quantitative Criminology.
(pp. 5-24), Springer, Nueva York.
[65] RONCEK, D. W. y P. A. MAIER (1991). "Bars, blocks, and crime revised:
Linking the theory of routine activities to the empiricism of 'Hot spots'" en
Criminology. Vol. 29, pp. 725-753.
[66] RUSCHE, G. [1933] (1978). “Labor market and penal sanction: Thoughts on
the sociology of criminal Justice” en Crime and Social Justice, pp.2-8.
[67] RUSCHE, G. y KIRCHHEIMER, O [1939] (1967). Punishment and Social
Structure. Russell and Russell, New York.
[68] SESNSP (2015a). “Incidencia Delictiva del Fuero Común” [Internet]
Disponible en: http://secretariadoejecutivo.gob.mx/incidencia-delictiva/incidencia-
delictiva-fuero-federal.php [Consultado el 26 de noviembre de 2015].
[69] SESNSP (2015b). “Incidencia Delictiva del Fuero Federal” [Internet]
Disponible en: http://secretariadoejecutivo.gob.mx/incidencia-delictiva/incidencia-
delictiva-fuero-comun.php [Consultado el 26 de noviembre de 2015].
[70] SHAW, C. y MCKAY, H. ([1942], 2014). “Juvenile delinquency and urban
areas” en Anderson, T. Understanding Deviance: Connecting Classical and
Contemporary Perspectives. (pp. 106-127) Routledge, Londres.
[71] SMITH, W. R., S. G. FRAZEE, y DAVISON, E. (2000). "Furthering the
integration of routine activity and social disorganization theories: Small units of
analysis and the study of street robbery as a diffusion process" en Criminology. Vol.
38, Núm. 2, pp. 489-524.
[72] SPITZER, S. (1975). “Toward a Marxian Theory of Deviance” en Social
Problems, Vol. 22, Núm. 5, pp. 638-651.
110
[73] SUTHERLAND, E. (1947). Principles of criminology. Lippincott, Chicago,
citado por AKERS, R. (2013). Criminological Theories: Introduction and Evaluation.
Routledge, Londres.
[74] EL UNIVERSAL (2015, 14 de marzo). “Banxico: la inseguridad y el dólar
inquietan a IP” en El Universal [Internet]. Disponible en:
<http://www.eluniversal.com.mx/finanzas-cartera/2015/impreso/banxico-la-
inseguridad-y-el-dolar-inquietan-a-ip-117802.html> [Acceso el 15 de marzo de
2015].
[75] VAN SCHAAIK, J. y VAN DER KEMP, J. (2009). “Real Crimes on Virtual
Maps: The Application of Geography and GIS in Criminology” en Geospatial
Technology and the Role of Location in Science. (pp. 217-237). Springer, Londres.
[76] VILALTA, C AND MUGGAH, R (2016) “What Explains Criminal
Violence in Mexico City? A Test of Two Theories of Crime. Stability” en
International Journal of Security & Development. Vol. 5, Núm. 1, pp. 1-22.
[77] WALKER, J. (2009). “Social disorganization theory” en MILLER, J. (Ed.)
21st Century criminology: A reference handbook. (312-323). Thousand Oaks, EUA.
[78] WEISBURD, D., MAHER, L., y SHERMAN, L. (1992). “Contrasting crime
general and crime specific theory: The case of hot spots of crime” en Advances in
Criminological Theory. Vol. 4, pp. 45-69.
[79] WEISBURD, D. y MCEWEN, T. (1998). Crime mapping and crime
prevention. Transaction Press, New Jersey.
[80] WEISBURD, D., GROFF, E., y YANG, S. (2012). The criminology of place:
developmental patterns and risk and preventive factors. Oxford University Press,
New York.
[81] WILENSKY, U. y RAND, W. (2015) An Introduction to Agent-Based
Modeling: Modeling Natural, Social, and Engineered Complex Systems with
NetLogo. MIT, EUA.
[82] WORTLEY, R. y TILLEY, N. (2014). “Theories for Situational and
Environmental Crime Prevention” en BRUINSMA, G. Y WEISBURD, D. (Eds.)
Encyclopedia of Criminology and Criminal Justice (pp. 5164-5173). Springer,
Londres.
[83] ZAKARIA, S. y RAHNMAN, N. (2015) “Analyzing The Violent Crime
Patterns In Peninsular Malaysia: Exploratory Spatial Data Analysis (ESDA)
Approach” en Jurnal Teknologi. Vol. 72, Núm. 1, pp. 131-136.
111
Anexos
112
Anexo 1
En este anexo se halla la estadística descriptiva de las variables utilizadas en el
capítulo dos.
113
Anexo 2
En este anexo se puede encontrar un código QR que dirige hacia un video donde
se muestra la ejecución del modelo.
